Extrem vielfältige Werke: Insider berichtet aus Amazons KI-Buchtrainingslager

Einblicke in ein industrielles Verfahren zur Buchvernichtung

Ein anonymer Mitarbeiter von Amazon hat in einem ausführlichen Interview mit dem Portal 404 Media enthüllt, wie das Unternehmen mit physischen Büchern verfährt, die für das Training von Künstlicher Intelligenz genutzt werden. In einer speziellen Einrichtung, die durch investigative Recherche mittels eines versteckten Airtags lokalisiert wurde, findet ein systematischer Prozess statt, der weit über das bloße Digitalisieren hinausgeht. Sobald die Bücher in der Anlage eintreffen, werden sie ausgepackt und in Plastikbehälter sortiert. Der Prozess sieht vor, dass zunächst Barcodes erfasst werden, um Dubletten auszusortieren. Was jedoch folgt, ist eine industrielle Zerstörung der Werke. Um die Seiten für die Hochleistungsscanner zugänglich zu machen, werden die Buchrücken maschinell abgeschnitten. Dies markiert das unwiderrufliche Ende der physischen Integrität der Bücher. Nach dem Scanvorgang, der durch etwa 20 bis 25 spezialisierte Hochleistungsscanner erfolgt, werden die losen Seiten in große Pappbehälter geworfen. Da die Blätter dabei völlig durcheinandergeraten, ist eine Rekonstruktion der ursprünglichen Werke praktisch ausgeschlossen. Der Insider beschreibt diesen Vorgang als eine Form der dauerhaften Vernichtung von Kulturgut, die weit über das hinausgeht, was das Unternehmen offiziell kommuniziert.

Die Details des operativen Ablaufs und die eingesetzte Technik

Der operative Ablauf in der Amazon-Anlage ist auf maximale Geschwindigkeit ausgelegt. Nachdem die Buchrücken per Knopfdruck abgetrennt wurden, werden die nun losen Seiten auf Rollwagen geschichtet. Um eine Vermischung der verschiedenen Werke während des Transports zu den Scannern zu verhindern, werden kleine Pappstücke als Trenner zwischen die Stapel gelegt. Die verwendeten Hochleistungsscanner werden von dem Informanten mit Geldzählmaschinen verglichen, was die hohe Frequenz und Automatisierung des Prozesses unterstreicht. Die Bandbreite der verarbeiteten Literatur ist dabei bemerkenswert: Sie reicht von noch originalverpackten japanischen Neuerscheinungen über gebrauchte Bestände aus Londoner Bibliotheken bis hin zu offiziellen Dokumenten der britischen Regierung. Die Diskrepanz zwischen der offiziellen Darstellung von Amazon und den Beobachtungen vor Ort ist eklatant. Während das Unternehmen laut dem Angestellten behauptet, überschüssige Exemplare würden an die Verkäufer zurückgegeben, deutet die Realität in der Anlage auf eine Entsorgung als Altpapier hin. Die losen Seiten landen nach dem Scanvorgang in Containern, ohne dass eine Wiederherstellung der ursprünglichen Buchform vorgesehen wäre.

Hintergrund der Recherche und die Entdeckung der Anlage

Die Existenz dieser Einrichtung und die dortigen Praktiken wären ohne eine gezielte investigative Aktion von 404 Media möglicherweise weiterhin verborgen geblieben. In Zusammenarbeit mit einem Buchhändler wurde ein Airtag in einer Bücherlieferung platziert, um den Verbleib der Ware nachzuvollziehen. Diese Methode führte die Rechercheure schließlich direkt zu dem Standort, an dem Amazon die Bücher für seine KI-Modelle aufbereitet. Der Hintergrund dieser Aktivitäten ist der enorme Bedarf an qualitativ hochwertigen Trainingsdaten für Künstliche Intelligenz. Amazon scheint hierbei auf eine Strategie zu setzen, die den massenhaften Erwerb und die anschließende physische Vernichtung von Literatur in Kauf nimmt, um digitale Datensätze zu generieren. Für den Insider ist dies eine besorgniserregende Entwicklung, da durch das KI-Training unzählige, teils sehr seltene und obskure Werke unwiderruflich aus der physischen Welt verschwinden. Die Reduzierung der weltweit verfügbaren physischen Kopien wird als ein Verlust an kultureller Substanz gewertet, der durch die bloße digitale Verfügbarkeit der Inhalte nicht vollständig kompensiert werden kann.

Die beteiligten Akteure und ihre unterschiedlichen Perspektiven

Im Zentrum dieser Kontroverse stehen Amazon als Betreiber der Anlage sowie die anonyme Quelle, die bei 404 Media über die internen Abläufe berichtet hat. Der Angestellte äußert sich kritisch über die Unternehmensführung und die offiziellen Verlautbarungen. Er stellt insbesondere die Behauptung infrage, dass die Bücher primär für das Kindle-eBook-Angebot gescannt würden. Diese offizielle Begründung erscheint ihm angesichts der massenhaften Vernichtung der Originale wenig glaubhaft. Auf der anderen Seite steht das Unternehmen Amazon, das sich bisher nicht detailliert zu den Vorwürfen der systematischen Zerstörung von Bibliotheksbeständen geäußert hat, jedoch offiziell behauptet, die Bücher würden nach der Verarbeitung an die Verkäufer zurückgehen. Auch die Rolle von 404 Media und des beteiligten Buchhändlers ist als kritisch-journalistisch zu bewerten, da sie durch den Einsatz technischer Hilfsmittel wie des Airtags den Beweis für die tatsächlichen Vorgänge in der Anlage erbrachten. Die Diskrepanz zwischen den Aussagen des Unternehmens und der Schilderung des Insiders bildet den Kern der Auseinandersetzung.

Einordnung der Vorgänge in den Kontext der KI-Entwicklung

Einzuordnen ist das Geschehen als ein Symptom des globalen Wettlaufs um KI-Trainingsdaten. Die schiere Menge an benötigtem Material führt dazu, dass Unternehmen wie Amazon zu drastischen Maßnahmen greifen, um ihre Modelle zu füttern. Den Berichten zufolge ist die Vernichtung der physischen Bücher dabei kein bedauerlicher Nebeneffekt, sondern ein integraler Bestandteil des effizienzgetriebenen Arbeitsprozesses. Die Tatsache, dass selbst offizielle Regierungsdokumente und Bibliotheksbestände in diesem Prozess landen, wirft ethische Fragen über den Umgang mit Archivgut auf. Es stellt sich die Frage, ob der Wert einer digitalen Kopie für ein KI-Modell den dauerhaften Verlust des physischen Originals rechtfertigt. Kritiker könnten argumentieren, dass hier ein irreparabler Schaden am kulturellen Erbe entsteht. Die Einordnung durch den Insider legt nahe, dass der Prozess rein auf Geschwindigkeit und Datengewinnung optimiert ist, wobei die langfristigen Auswirkungen auf die physische Verfügbarkeit von Wissen und Literatur bewusst in Kauf genommen werden. Es ist ein Prozess, bei dem die materielle Welt zugunsten der digitalen Extraktion geopfert wird.

Offene Fragen und die Lücken in der Berichterstattung

Trotz der detaillierten Schilderungen des Insiders bleiben wesentliche Fragen unbeantwortet, die für eine umfassende Bewertung der Situation notwendig wären. Es ist beispielsweise nicht bekannt, wie viele Bücher insgesamt bereits auf diese Weise vernichtet wurden und ob es sich um eine einzige zentrale Anlage handelt oder um ein größeres Netzwerk von Scanzentren. Ebenso bleibt unklar, welche konkreten KI-Modelle mit diesen Daten trainiert werden und inwieweit Amazon die Rechte an den gescannten Inhalten rechtlich absichert, insbesondere bei urheberrechtlich geschützten Werken oder offiziellen Regierungsdokumenten. Auch die genaue Herkunft der Bücher, die über den Buchhändler an Amazon gelangen, wird nicht in allen Einzelheiten beleuchtet. Es bleibt offen, ob die Verkäufer der Bücher über deren endgültiges Schicksal informiert sind oder ob sie im Glauben gelassen werden, ihre Bestände würden in den Handel zurückkehren. Die genauen Kriterien, nach denen Bücher für das Scannen ausgewählt werden, und ob es eine interne Liste von zu vernichtenden Werken gibt, sind ebenfalls nicht öffentlich bekannt. Diese Informationslücken lassen Raum für Spekulationen über das volle Ausmaß der Praxis.

Wie es weitergeht und die ausstehenden Entwicklungen

Zum aktuellen Zeitpunkt sind keine offiziellen Schritte oder Stellungnahmen seitens Amazon angekündigt, die eine Änderung der beschriebenen Praxis in Aussicht stellen würden. Die Enthüllungen durch 404 Media haben jedoch eine Debatte über die Methoden der Datengewinnung für Künstliche Intelligenz angestoßen. Es bleibt abzuwarten, ob Behörden oder kulturelle Institutionen, deren Bestände möglicherweise betroffen sind, auf die Berichte reagieren werden. Da der Insider explizit den Verlust seltener und obskurer Bücher beklagt, könnte dies zu einer verstärkten Prüfung der Lieferketten für gebrauchte Bücher führen. Für die betroffenen Bibliotheken und Verkäufer stellt sich die dringende Frage, wie sie den Verbleib ihrer Bestände zukünftig kontrollieren können, um eine ungewollte Zerstörung im Zuge von KI-Trainingsprogrammen zu verhindern. Es gibt bisher keine Termine für weitere Untersuchungen oder offizielle Transparenzberichte seitens Amazon, die Aufschluss über die Anzahl der vernichteten Werke geben könnten. Die Situation bleibt somit in einem Schwebezustand, in dem die technologische Entwicklung die gesellschaftlichen und ethischen Standards überholt hat.