Die neue GPAI-Vorlage der Europäischen Kommission – Was bedeutet dies für die AI-Schulung?

Im Juli veröffentlichte die Europäische Kommission (EK) eine neue allgemeine künstliche Intelligenz (GPAI)-Vorlage. Dies bedeutet, dass AI-Anbieter den Inhalt offenlegen müssen, der in die Modelle eingegeben wird, um sie zu trainieren. Dies kommt nach Monaten und Monaten von Schlagzeilen über Ersteller, die behaupten, dass Inhalte ohne Zustimmung zur AI-Schulung verwendet wurden.

Mit dieser neuen Vorlage hat die EU ihre Position klar gemacht: Transparenz ist jetzt nicht mehr verhandelbar. Schwarze-Box-Trainings, bei denen etwas erstellt wird, ohne seine inneren Abläufe offenzulegen, werden für AI-Entwickler keine Option mehr sein. Dies markiert eine signifikante Verschiebung, da das Arbeiten in Europa nun eine vollständige Sichtbarkeit der Modell-Eingaben und der Herkunft der Trainingsdaten erfordert, was eine Neubewertung der Datenerfassung und -nutzung erzwingt.

Viele haben den starken Unterschied zwischen dieser und dem kürzlich veröffentlichten US-AI-Aktionsplan hervorgehoben, der sich stark auf Deregulierung konzentriert. Wie bei jedem neuen Gesetz oder jeder neuen Regelung müssen Unternehmen nun Bilanz ziehen und bewerten, wie die GPAI-Vorlage ihre Betriebe beeinflussen wird.

Wenn sie in mehreren Regionen tätig sind, werden sie dies auch mit dem US-AI-Aktionsplan tun, was die Dinge noch verwirrender macht. Aufgrund der komplexen Natur dieser und der Tatsache, dass die Regulierung der AI-Entwicklung auf diese Weise Neuland ist, werden die Ausgaben der Entwickler wahrscheinlich stark variieren.

Analyse der allgemeinen künstlichen Intelligenz-Modell-Vorlage

Im Juli dieses Jahres veröffentlichte die Europäische Kommission eine verpflichtende Vorlage für GPAI-Anbieter, damit sie eine öffentliche Zusammenfassung der Daten veröffentlichen können, die zur Schulung ihrer Modelle verwendet werden. Als Teil des EU-AI-Gesetzes müssen Anbieter Datenkategorien wie öffentlich zugängliche Datensätze, private lizenzierte Daten, gescrapte Webinhalte, Benutzerdaten und synthetische Daten offenlegen. Ziel ist es, Urheberrechtsinhabern, Benutzern und nachgelagerten Entwicklern zu ermöglichen, ihre gesetzlichen Rechte nach EU-Recht auszuüben.

GPTs werden mit großen Mengen an Daten trainiert; jedoch gibt es in dem aktuellen Markt nur begrenzte Informationen über den Ursprung dieser Daten. Die öffentliche Zusammenfassung, die diese Vorlage vorsieht, wird eine umfassende Übersicht über die zur Schulung eines Modells verwendeten Daten liefern, die wichtigsten Datensammlungen auflisten und andere verwendete Quellen erläutern.

Vergleich und Kontrast, US-AI-Aktionsplan

Im Vergleich dazu ist die US entschlossen, den AI-Wettbewerb zu gewinnen und ihre Wettbewerbsfähigkeit gegenüber China zu erhalten, da die Trump-Regierung ihren AI-Aktionsplan zu Beginn des Sommers bekannt gab. Dieser neue AI-Rahmen zielt darauf ab, den Bau von energieintensiven Rechenzentren, die AI-Systeme antreiben, durch die Lockerung von Umweltvorschriften zu beschleunigen. Gleichzeitig soll die globale Ausfuhr amerikanischer AI-Technologien forciert werden. Mit 90 Empfehlungen spiegelt der Plan die wachsenden Bemühungen der US-Regierung wider, ihre globalen Wettbewerber zu überbieten.

Der Plan basiert auf drei Kernsäulen – Innovationsbeschleunigung, Aufbau der amerikanischen AI-Infrastruktur und Förderung der Führung in internationaler AI-Diplomatie und -Sicherheit.

Ein wichtiger Aspekt des Plans ist die Betonung des “Open-Source”-Ansatzes, um sowohl Innovation als auch Zugänglichkeit zu fördern. Ebenso hebt der Plan hervor, wie die US-Regierung “ein gutes Beispiel” geben wird, wenn es um AI-Wachstum geht – durch Schulung, Talenttausch und die Ausweitung der Nutzung über Branchen hinweg.

Mit diesem Plan zielt die US-Regierung darauf ab, alle aktuellen Technologievorschriften, insbesondere Umweltvorschriften, zu straffen, um sicherzustellen, dass die Gesetzgebung das Wachstum nicht behindert, während sie gleichzeitig die internationale Verbreitung amerikanischer AI-Software und -Hardware fördert. Dieser “anti-regulatorische” Ansatz markiert eine klare Abkehr von früheren Rahmenbedingungen, die auf Ethik, Transparenz und verantwortungsvolle Innovation ausgerichtet waren – und stattdessen einen aggressiveren “Innovation-first”-Ansatz verfolgt.

Das fehlende Stück

Es lohnt sich, an diesem Punkt einen Schritt zurückzutreten und zu überlegen, ob diese Akte, obwohl sie unterschiedlich sind, unter den gleichen Fehlern leiden könnten, die Entwicklern den Eindruck vermitteln, dass es keinen Wert hat, sich an sie zu halten. Die EU- und US-Ansätze lassen eine kritische Lücke bei den geistigen Eigentumsrechten in AI-Trainingsdatensätzen. Das EU-AI-Gesetz verlangt Trainingsdatenzusammenfassungen und eine Urheberrechtskompatibilitätsrichtlinie, legt jedoch keinen skalierbaren Rahmen für die Identifizierung oder Lizenzierung urheberrechtlich geschützter Werke fest.

In den USA gibt es keine spezifischen Regeln – AI-Unternehmen müssen sich durch ein sich entwickelndes Rechtsrahmenwerk navigieren, das von Gerichtsurteilen und laufenden Auseinandersetzungen mit Rechteinhabern geprägt ist. Jenseits des Rechtstextes fehlt die praktische Seite; keiner der Ansätze legt funktionierbare, branchenweite Methoden für die Erkennung geschützter Inhalte im großen Maßstab, die Überprüfung der rechtmäßigen Nutzung oder die Vereinfachung der Lizenzierung fest. Bis solche Lösungen definiert sind, wird die Unsicherheit bezüglich des Urheberrechts in AI-Trainings ein erhebliches Problem für die Branche bleiben.

Die versteckten Kosten, wenn Unternehmen AI-Traceability vernachlässigen

Trotz einiger Mängel in diesen Vorschriften wird angenommen, dass sie AI-Entwickler dazu bringen werden, sich stark auf die rechtliche Seite zu konzentrieren – aber das ist nicht immer der Fall. Tatsächlich ist die wahre Kluft in der AI derzeit nicht zwischen EU- und US-Regulierung, sondern zwischen Unternehmen, die heute in Traceability investieren, und denen, die darauf wetten, dass sie es nicht müssen. Dies ist eine Wiederholung dessen, was wir vor Jahren mit der Umsetzung der Datenschutz-Grundverordnung (DSGVO) gesehen haben – Unternehmen, die frühzeitig Datenschutz-by-Design umsetzten, vermeideten nicht nur Bußgelder, sondern gewannen auch das Vertrauen der Verbraucher und einen reibungslosen Zugang zu anderen Märkten, die später die DSGVO-Standards nachahmten.

Das gleiche Muster könnte sich bei der AI abzeichnen. Die Traceability von Trainingsdaten und Modellentscheidungen wird wahrscheinlich zu einem globalen Standard, und Unternehmen, die dies verzögern, müssen ihre Systeme in Zukunft neu entwerfen. Die Nachrüstung von Dokumentation, Herkunftsverfolgung und Auditfunktionen in ein bestehendes System ist viel teurer und komplexer, als sie von Anfang an zu integrieren, und lenkt die Aufmerksamkeit von den ROI-orientierten Ausbauten ab, die das Unternehmen durchführen möchte.

Mit anderen Worten sind Traceability und Transparenz keine optionalen Zusätze; sie müssen in AI-Systeme von Anfang an integriert werden. Unternehmen, die sie als Nachgedanken behandeln, riskieren, die Innovation zu behindern, regulatorische Rückschläge zu erleiden und den Wettbewerb auf unbestimmte Zeit zu verlieren.

Ethische AI erfordert globale Einheit

Aus einer makroökonomischen Perspektive schaffen diese polarisierten Ansätze ein echtes Problem für globale Unternehmen. Unternehmen in leichteren Märkten wie den USA können sich kurzfristig schneller skalieren, aber wenn sie entscheiden, in die EU zu expandieren, stoßen sie auf eine Compliance-Hürde: Die AI-Akt-Richtlinien für Traceability und Dokumentation erfordern Fähigkeiten, die sie nie aufgebaut haben.

Die Nachrüstung von Herkunftsverfolgung, Dokumentation und Auditfunktionen in ein bestehendes System ist teuer, langsam und störend, besonders weil Traceability einer der ressourcenintensivsten Teile der Compliance ist. Es ist das gleiche Muster, das wir bei der DSGVO gesehen haben, wo Spätstarter bei der Umsetzung von Datenschutz-by-Design mit teuren Umbauten und verzögertem Marktzugang kämpften, während frühe Innovatoren einen dauerhaften Vorteil erlangten.