Glossar

Text und Data Mining

Text und Data Mining (TDM) heißt die automatisierte Analyse digitaler Werke, um daraus Informationen zu gewinnen, vor allem über Muster, Trends und Zusammenhänge. Im deutschen Urheberrecht regelt § 44b des Urheberrechtsgesetzes (UrhG), unter welchen Bedingungen dafür Kopien erlaubt sind. Die Ausnahme ist kein Freibrief für alles, was man mit einem Text tun kann.

Die Ausnahme erlaubt Kopien (Fachwort: Vervielfältigungen) von Werken, die rechtmäßig zugänglich sind, also auf einem vom Recht erlaubten Weg verfügbar. Dass ein Text öffentlich steht, sagt dafür allein nichts Sicheres. Wer die Rechte an einem Werk hat und nicht will, dass es dafür genutzt wird, kann einen Nutzungsvorbehalt setzen. Ein solcher Vorbehalt bei online zugänglichen Werken wirkt nach dem Wortlaut nur, wenn er maschinenlesbar ist. Für Forschung gibt es eine eigene Regelung in § 60d UrhG.

Ein Beispiel: Ein Programm liest tausende Nachrichtenartikel und zählt, welche Wörter zusammen auftreten. Es erzeugt dabei Kopien der Artikel, weil es sie lesen muss. Das Ergebnis, eine Statistik über Wortpaare, enthält keinen Artikel mehr. Die Frage ist, ob die Kopie vorher erlaubt war.

Nicht verwechseln mit dem Training eines Modells: TDM beschreibt das Auswerten der Texte, das Training ist ein Schritt, der daraus Parameter macht. Ob die gesetzliche Ausnahme auch das Training deckt, ist offen und wird gerade vor Gericht geklärt.

Wo du dem Begriff begegnest: In Nutzungsbedingungen und Vorbehalten von Websites, in Gesetzestexten und in Berichten über Klagen gegen KI-Anbieter.

Eingeführt im Baustein „Trainingsdaten: Urheberrecht und Datenschutz“. Die Herkunft der Texte, aus denen TDM-Kopien entstehen, beschreibt „Aus Text werden viele Übungsaufgaben“. Zu den Trainingsdaten selbst siehe dort.

Zuletzt geändert am · Commit 653da06