Amazon soll Bücher für KI-Training scannen und zerstören: Was die Spur von 1.000 Büchern zeigt

Aus einem physischen Buch wird so maschinenlesbarer Text – während das Original verschwindet. Das unterscheidet den Vorgang grundlegend vom Kauf von Büchern für den Weiterverkauf, die Lagerhaltung oder die Abwicklung von Kundenbestellungen.

Die Recherche liefert Hinweise auf eine umfangreiche Beschaffungs- und Digitalisierungsinfrastruktur. Sie belegt jedoch nicht, wie viele Bücher insgesamt betroffen sind oder welches konkrete Amazon-Modell mit den Scans trainiert wurde.

Amazons Erklärung lässt zentrale Fragen offen

Amazon teilte 404 Media mit, das Unternehmen kaufe Bücher, „um unsere Produkte zu verbessern“. Nach Angaben des Mediums wollte Amazon jedoch nicht offenlegen, wie viele Bücher gekauft werden, an wie vielen Standorten sie gescannt werden, welche Produkte das Material nutzen oder ob der Prozess in Las Vegas gezielt dem Training von KI-Modellen dient.

Diese Unterscheidung ist wichtig: Die Recherche liefert konkrete betriebliche Indizien – eine verfolgte Sendung, einen Zielort innerhalb einer Amazon-Anlage, einen Buchverarbeitungsbereich und Aussagen von Mitarbeitern über Scannen und Vernichten. Sie ist aber kein vollständiges öffentliches Eingeständnis, dass jedes dort bearbeitete Buch in den Trainingsdaten eines benannten Amazon-Modells landet.

Die vorsichtigste und zugleich relevanteste Schlussfolgerung lautet daher: 404 Media hat Belege für eine Amazon-Operation zur Digitalisierung von Büchern gefunden, deren Ablauf mit der Sammlung von KI-Daten vereinbar ist. Das geschieht in einer Phase, in der Amazon seine Ambitionen bei besonders leistungsfähigen sogenannten Frontier-Modellen ausbaut. Reuters berichtete unterdessen, Amazon richte seine KI-Strategie stärker auf ein neues Frontier-Modellvorhaben aus.

Warum Buchhändler einen Katalog-Kauf vermuten

Buchhändler berichteten 404 Media von ungewöhnlichen Großbestellungen: Die Auswahl wirkte vielseitig und offenbar wenig abhängig vom Wiederverkaufswert, vom Zustand, vom Thema oder vom Preis eines einzelnen Buches. Wer Bücher weiterverkaufen möchte, muss normalerweise Nachfrage und Gewinnspanne berücksichtigen. Wer Trainingsdaten aufbauen will, könnte dagegen an einer möglichst breiten Mischung von Titeln und ISBNs interessiert sein.

So entstand bei Händlern der Verdacht, KI-Unternehmen oder Datenanbieter könnten sich systematisch durch den veröffentlichten Buchbestand arbeiten, statt nur kommerziell attraktive Titel einzukaufen. 404 Media berichtete zuvor, dass ISBNdb die Beschaffung großer Mengen gedruckter Bücher für KI-Unternehmen angeboten hatte. Nach der Berichterstattung entfernte das Unternehmen das entsprechende Material und erklärte, die Seite sei lediglich ein „Test des Marktinteresses“ gewesen.

Damit ist nicht bewiesen, dass jede ungewöhnliche Bestellung mit Amazon oder KI zusammenhängt. Das Muster erklärt aber, warum der Buchmarkt solche Aufträge nur schwer einordnen kann: Was als Einzelgeschäft für den Handel keinen Sinn ergibt, kann als Versuch plausibel erscheinen, die Breite eines Datensatzes zu maximieren.

Warum ältere Bücher für KI interessant sind

Ältere und vergriffene Bücher enthalten große Mengen menschlich verfasster Sprache – entstanden zu einer Zeit, bevor von generativer KI erzeugte Texte in großem Umfang verbreitet waren. Außerdem können sie spezialisiertes, lokales oder historisches Wissen enthalten, das nie vollständig online verfügbar gemacht wurde und schwer auffindbar ist.

Für Entwickler sind solche Bücher deshalb potenziell wertvoll: Sie bieten eine breite Textbasis, die weniger wahrscheinlich aus synthetisch erzeugten Inhalten besteht. 404 Media bezeichnete alte Bücher im Zusammenhang mit ISBNdb als attraktiv, weil sie frei von „AI slop“ seien – also von massenhaft generierten, minderwertigen KI-Texten.

In der Forschung wird zudem über den sogenannten „Model Collapse“ diskutiert. Gemeint ist die Möglichkeit, dass wiederholtes Training mit synthetischen KI-Ausgaben die Qualität oder Vielfalt späterer Modelle beeinträchtigt. Diese Sorge erklärt das Interesse an älteren, von Menschen erstellten Texten. Sie ist jedoch kein Beleg dafür, dass Amazons Modelle bereits einen solchen Kollaps erlebt haben oder dass genau aus diesem Grund Bücher in Las Vegas gesammelt wurden.

Die Parallele zu Anthropic und die rechtliche Grenze

Der von 404 Media beschriebene Amazon-Prozess erinnert an Anthropic’s Project Panama. Dabei kaufte Anthropic physische Bücher, entfernte die Bindungen, scannte die Seiten und entsorgte die Papieroriginale, um digitale Materialien für seine KI-Arbeit zu erzeugen.

In einer Entscheidung vom 23. Juni 2025 im Verfahren Bartz v. Anthropic zog US-Bezirksrichter William Alsup eine wichtige Grenze. Er bewertete die Nutzung der Bücher zum Training von Claude und dessen Vorgängern unter den geprüften Umständen als „außerordentlich transformativ“ und damit als Fair Use nach US-amerikanischem Urheberrecht. Auch die Digitalisierung rechtmäßig gekaufter Printbücher stufte er als Fair Use ein – allerdings aus einem anderen Grund: Anthropic habe die gekauften Exemplare für seine interne Bibliothek durch platzsparende und durchsuchbare digitale Kopien ersetzt.

Das Urteil besagt nicht, dass das Zerstören eines Buches KI-Training automatisch legal macht. Entscheidend bleiben unter anderem die rechtmäßige Beschaffung, der Zweck der Nutzung, die Frage, ob Kopien behalten oder weiterverbreitet werden, sowie die übrigen konkreten Umstände. Die separate Erstellung einer Bibliothek aus raubkopierten Büchern wurde im selben Rechtsstreit anders bewertet.

Für den Fall Amazon ist diese Differenzierung zentral. Selbst wenn das Unternehmen die Bücher rechtmäßig kauft, bleiben Fragen zur Größe des Programms, zur Verwendung der Scans, zu Vereinbarungen mit Autoren und Verlagen sowie zum Umgang mit seltenen physischen Werken offen. Diese Fragen lassen sich nicht allein durch die enge Fair-Use-Analyse im Verfahren Bartz beantworten.

Es geht nicht nur um Urheberrecht

Der Ärger der Buchhändler dreht sich nicht ausschließlich um entgangene Einnahmen oder eine mögliche Vergütung für Urheber. Seltene und vergriffene Bücher besitzen auch historischen, wissenschaftlichen, kulturellen und persönlichen Wert. Wird ein knappes Exemplar zerschnitten und recycelt, bleibt der Text möglicherweise als Scan erhalten – das konkrete physische Zeugnis ist jedoch verloren.

Damit entsteht ein Problem der Bestandserhaltung, das eine urheberrechtliche Entscheidung nicht vollständig löst. Ein Verfahren kann unter bestimmten rechtlichen Voraussetzungen zulässig sein und trotzdem Sammler, Händler, Bibliotheken und Leser alarmieren, die Bücher als mehr ansehen als bloße Behälter für Text.

Hinzu kommt ein Informationsgefälle: KI-Unternehmen können den Wert eines unscheinbaren oder seltenen Buches für einen Datensatz erkennen, lange bevor ein einzelner Verkäufer bemerkt, dass eine ungewöhnliche Sammelbestellung Teil einer größeren Beschaffungsstrategie sein könnte. Amazons öffentliche Erklärung, Bücher zur Verbesserung seiner Produkte zu kaufen, beantwortet deshalb die für den Buchhandel wichtigsten Fragen nicht: Wie groß ist der Einkauf? Was genau wird gescannt? Und was geschieht mit den erzeugten Dateien?

Der Zusammenhang mit Amazons KI-Strategie

Die mutmaßliche Buchoperation fügt sich in Amazons breitere Anstrengungen ein, bei fortgeschrittener KI aufzuschließen. Reuters berichtete im Juli 2026, Amazon fahre viele eigene Modelle zurück und konzentriere Ressourcen auf ein neues Frontier-Modellvorhaben. AWS bietet außerdem Nova Forge an. Der Dienst soll Kunden ermöglichen, eigene Daten mit von Amazon kuratierten Trainingsdaten zu kombinieren und maßgeschneiderte Frontier-Modelle zu entwickeln.

Diese Aktivitäten liefern einen strategischen Grund, warum Amazon hochwertige Textdaten wertvoll finden könnte. Sie beweisen jedoch nicht unabhängig, dass die von 404 Media verfolgten Bücher zum Training eines bestimmten Modells eingesetzt wurden. Die stärksten Belege bleiben die direkten Rechercheergebnisse zur Sendung und zur Anlage in Las Vegas.

Die größere Frage lautet daher, ob der physische Buchmarkt zu einer unsichtbaren Lieferkette für KI wird. Die Recherche von 404 Media deutet zumindest in einem dokumentierten Fall darauf hin: Bücher wanderten von einem Händler zu einer Amazon-Verarbeitungsanlage, wo sie gescannt und zerstört wurden. Wie groß diese Praxis ist und wofür die daraus entstandenen Daten letztlich genutzt werden, bleibt offen.