AirTag führt zu Amazons Trainingszentrum
Eine Recherche mit einem Buchhändler zeigt, dass Amazon seltene Bücher aufkauft, zerstört und deren Seiten digitalisiert. Dafür wurde ein Apple AirTag in einem Buch versteckt, das Teil einer größeren Bestellung war. Das Ortungssignal führte zum Amazon-Standort VGT3 in Las Vegas.
Mitarbeiter entfernen dort die Buchrücken und scannen anschließend die einzelnen Seiten. Dieses als destructive book scanning bezeichnete Verfahren liefert digitale Texte, macht die physischen Bücher aber unbrauchbar. Am Eingang des zuständigen Teams soll ein Logo mit einem Tyrannosaurus rex zu sehen gewesen sein, der ein Buch verschlingt.
Die gescannten Inhalte dienen laut Recherche als Trainingsdaten für fortgeschrittene KI-Modelle. Welche konkreten Amazon-Modelle damit trainiert werden, ist nicht bekannt. Ebenso fehlen belastbare Angaben zur Zahl der bereits zerstörten Bücher.
ISBN-Scans sprechen für systematisches Vorgehen
Ausgewertete Diskussionen von Mitarbeitern zeigen, dass vor dem Scannen gezielt Barcodes und ISBN-Nummern erfasst werden. Das stützt die Annahme, dass Amazon möglichst viele unterschiedliche, eindeutig katalogisierte Werke digitalisieren will. Ein vollständiger Nachweis, dass tatsächlich sämtliche verfügbaren ISBN-Titel abgearbeitet werden sollen, liegt jedoch nicht vor.
In den internen Diskussionen war außerdem von zeitweisen Engpässen beim Buchnachschub die Rede. Mitarbeiter äußerten demnach die Sorge, die Einrichtung könne bei ausbleibenden Lieferungen geschlossen werden. Der Standort ist weiterhin in Betrieb.
| Punkt | Bekannter Stand |
|---|---|
| Ziel der Lieferung | Amazon-Standort VGT3 in Las Vegas |
| Verarbeitung | Buchrücken werden entfernt, Seiten anschließend gescannt |
| Erfassung | Barcodes und ISBN-Nummern werden vorab geprüft |
| Anzahl der Bücher | Nicht bekannt |
| Verwendete KI-Modelle | Nicht genannt |
| Zerstörung historischer Unikate | Bislang nicht belegt |
Geringer Marktpreis bedeutet nicht geringen Wert
Im Fokus stehen offenbar ältere und vergleichsweise günstig angebotene Bücher mit kleiner Auflage. Dazu gehören Werke, die nie übersetzt wurden oder nur in wenig verbreiteten Sprachen erschienen sind. Für das Modelltraining sind solche Texte interessant, weil sie Inhalte enthalten können, die in üblichen digitalen Datensätzen fehlen.
Der niedrige Verkaufspreis sagt allerdings wenig über den historischen oder wissenschaftlichen Wert aus. Ein anonym gebliebener Buchhändler brachte das Problem sinngemäß so auf den Punkt:
Für die Käufer zählt der Inhalt lediglich als eine Abfolge von Wörtern. Historischer, intellektueller oder persönlicher Wert spielt dabei keine erkennbare Rolle.
Bislang ist nicht belegt, dass Amazon weltweit einmalige Exemplare zerstört hat. Das Verfahren erhöht jedoch dieses Risiko, weil wirtschaftlich wenig wertvolle Bücher trotzdem selten oder sogar die letzten erhaltenen Exemplare einer Ausgabe sein können.
Amazon beantwortet die zentralen Fragen nicht
Amazon lehnte eine konkrete Stellungnahme zu den Vorgängen ab. Das Unternehmen erklärte lediglich, sinngemäß aus dem Englischen übersetzt:
Amazon erwirbt Bücher über kommerzielle Kanäle, um die Produkte und Dienstleistungen zu entwickeln und zu verbessern, die Kunden nutzen.
Die Erklärung bestätigt den kommerziellen Erwerb, nennt aber weder KI-Training noch den Umfang der Scans. Auch zu den betroffenen Werken, den Auswahlkriterien und dem Verbleib der Digitalisate macht Amazon keine Angaben. Anthropic und xAI haben dagegen öffentlich erklärt, keine seltenen oder antiken Bücher für das Modelltraining zu verwenden.
Beschaffungsrisiko für Unternehmen im DACH-Raum
Für Unternehmen im DACH-Raum liegt das Problem weniger im einzelnen Buch als in der fehlenden Nachvollziehbarkeit proprietärer Trainingsdaten. Wer externe Modelle in Produkte oder Geschäftsprozesse integriert, übernimmt indirekt auch Reputations- und Compliance-Risiken des Anbieters. Der kommerzielle Kauf eines Datenträgers beantwortet noch nicht alle Fragen zu Herkunft, Verarbeitung und späterer Nutzung der Inhalte.
Mit dem EU AI Act und internen Dokumentationspflichten steigt der Bedarf an belastbaren Informationen zur Datenbasis. Die Diskussion um Claude-Wasserzeichen und den EU AI Act zeigt bereits, dass technische und regulatorische Nachweise enger zusammenrücken. Bei Amazons Buchscans bleiben zentrale Details derzeit offen.
Open-Weight-Modelle können die Abhängigkeit von einem einzelnen API-Anbieter reduzieren, garantieren aber ebenfalls keine transparente Herkunft der Trainingsdaten. Die wachsende Auswahl an Open-Weight-Modellen schafft zumindest mehr Optionen für eigenen Betrieb, Modelltests und kontrollierte Wechsel. Für die Beschaffung bleibt eine dokumentierte Prüfung von Datenherkunft, Nutzungsrechten und Anbieterpraktiken notwendig.
Ein direkter Zusammenhang mit deutschsprachigen Buchhändlern, Bibliotheken oder Archiven ist bislang nicht bekannt. Der Vorgang zeigt dennoch, dass der Wettbewerb um exklusive Trainingsdaten längst physische Bestände erreicht hat. Transparenz über diese Beschaffung wird damit zu einem relevanten Auswahlkriterium für KI-Anbieter.