Unternehmen X verbietet die Nutzung eigener Inhalte für das Training von KI-Modellen vollständig

―― Ein Schock und ein Szenario der Neuordnung im japanischen generativen KI-Ökosystem――

---

1. Einleitung ── Das plötzliche „Schließen der Türen“

Am 5. Juni 2025 änderte das soziale Netzwerk X (ehemals Twitter) seine Entwicklerbedingungen und verbot Dritten vollständig, Daten von X-Posts oder über die API abgerufene Daten für das Training oder Fine-Tuning von „Foundation/Frontier-Modellen“ zu nutzen. TechCrunch entdeckte dies zuerst, und The Verge veröffentlichte einen Folgebericht, woraufhin die weltweite KI-Entwicklergemeinschaft in Aufruhr geriet.  

2. Die Änderungen entschlüsseln ── „Reverse Engineering and other Restrictions“

Der neue Paragraph wurde nur um eine Zeile im Abschnitt „Reverse Engineering and other Restrictions“ ergänzt, aber seine Auswirkungen sind enorm. Weder Crawling noch Scraping über die X-API sind Ausnahmen, und auch die Begriffe „zu Forschungszwecken“ oder „zu nicht-kommerziellen Zwecken“ sind ausdrücklich ausgeschlossen. Die bisherige „offene API-Kultur“, die die Datenportabilität gewährleistet hatte, wurde über Nacht geschlossen.

3. Hintergrund ── Die Übernahme durch xAI und der eigene Lernbedarf von „Grok“

Im März 2025 übernahm xAI unter der Leitung von Elon Musk X für etwa 33 Milliarden Dollar und brachte das eigene LLM „Grok“ ins Rampenlicht. Das Unternehmen X nutzt weiterhin Plattformdaten für das Training seiner eigenen Modelle, während es anderen die Tür verschließt und auf eine „Einschließungsstrategie“ umschwenkt. Diese Struktur reiht sich in den Trend ein, Daten als „Ressource“ zu monopolisieren und durch teure Lizenzvergaben Einnahmen zu erzielen, ähnlich wie Reddit oder die NY Times.

4. Weltweiter Trend ── Reddit-Klage und der Aufstieg des „Lizenzgeschäfts“

Im Mai 2025 verklagte Reddit Anthropic mit der Begründung, dass die „Crawl-Zahl über 100.000 überschritten“ wurde. Während es Daten zu einem Vermögenswert macht und einen Lizenzvertrag im Wert von 200 Millionen Dollar mit Google abschließt, zeigt es eine harte Haltung gegenüber unbefugter Nutzung. Die Maßnahmen von X verstärken diesen weltweiten Trend der „Inhaltsabschottung“.

5. Die schwere „Datenknappheit“, die japanische KI-Entwicklungsunternehmen trifft

Die Leistung von großen Sprachmodellen (LLM) hängt von der Datenmenge und -vielfalt ab. Japanische Social-Media-Daten sind aufgrund von Slang, Dialekten und inländischen Themen unerlässlich für das Training japanischer Modelle. Doch die Nutzungsbedingungen der wichtigsten sozialen Netzwerke im Inland werden nacheinander auf „KI-Lernen nicht erlaubt“ geändert, wodurch die Kosten und rechtlichen Risiken für den Erwerb in Zukunft erheblich steigen. Infolgedessen

• sind die Trainingskosten im Vergleich zu großen ausländischen Unternehmenüberhöht

• besteht die Möglichkeit, bei der Modellleistung zurückzufallen

• werden die Innovationsmöglichkeiten für Start-ups eingeschränkt

diese dreifache Belastung droht.

6. Alternative Datenquellen──Öffentliche Korpora und Unternehmensdaten

Als praktische Lösungen zur Umgehung von Einschränkungen können folgende Optionen in Betracht gezogen werden: ① Öffentliche Korpora des Nationalen Instituts für Japanische Sprache, ② Bezahlte Verträge mit Zeitungen und Rundfunkanstalten, ③ Verfeinerung von unternehmenseigenen Chat-Logs und FAQs, also „proprietäre Daten“, und ④ Generierung synthetischer Daten. Allerdings haben öffentliche Korpora vielfältige Lizenzen, und selbst wenn sie den **Artikel 30-4 des Urheberrechtsgesetzes (Regelung zur Informationsanalyse)** einhalten, müssen die Bedingungen für die Zweitnutzung individuell überprüft werden.

7. Der aktuelle Stand der Gesetzgebung──Grenzen des Urheberrechtsgesetzes und von robots.txt

In Japan wurde durch die Urheberrechtsgesetzänderung 2018 die „Reproduktion zu Informationsanalysezwecken“ von den Rechtebeschränkungen ausgenommen, aber ob „kommerzielles LLM-Training“ darunter fällt, bleibt eine Grauzone. Darüber hinaus erklärte der Zeitungsverband am 4. Juni 2025, dass „die Absicht, das AI-Training durch robots.txt abzulehnen, respektiert werden sollte“, undmachte deutlich, dass das Ignorieren dieser Absicht bei der Schulung unfairist.

8. Werden persönliche Beiträge durch „Opt-out“ geschützt?

X bietet eine Opt-out-Option an, mit der Benutzer das „Lernen durch Grok“ ablehnen können, aber die aktuellen Bedingungen verbieten dies vollständig für „Dritte“, undBeiträge werden weiterhin für das Lernen durch das Unternehmen X selbst genutzt, was beachtet werden sollte.

9. Strategische Reaktionen von Unternehmen und Forschungseinrichtungen

1. Frühzeitige Aufnahme von Verhandlungen über Datenlizenzen

2. Rechtliche Risikobewertung von bereits abgeschlossenen Datensätzen

3. Implementierung von Transparenz bei generativer KI (Quellennachverfolgbarkeit)

4. Synthetische Daten und qualitativ hochwertiges Lernen in kleinen Mengen „Small Data Strategie“

Dies sind kurzfristige Maßnahmen, langfristig wird jedocheine branchenübergreifende gemeinsame Entwicklung einer offenen japanischen Datenbasiserforderlich sein.

10. Auswirkungen auf Start-ups──Veränderungen bei Finanzierung und Bewertung

Venture-Capital-Unternehmen haben bisher „technologische Überlegenheit = Modellleistung“ betont, aber in Zukunft wird der Schlüssel zum Unternehmenswert sein, **„wie viele Daten mit ordnungsgemäßer Lizenz gesichert wurden“**. Start-ups aus Japan müssen frühzeitig Datenstrategien in ihre Pitches einbeziehen und ihre Geschäftspläne an die steigenden Kapitalkosten anpassen.

11. Das Dilemma der akademischen Forschung──Open Science und Schutz des geistigen Eigentums

Universitäten und öffentliche Forschungseinrichtungen stehen grundsätzlich auf dem Standpunkt, ihre Ergebnisse zu veröffentlichen, aber wenn Modelle mit Unternehmensdaten trainiert werden,kann die Veröffentlichung von Modellparametern gegen die Lizenz verstoßen.Es ist unerlässlich, ein Memorandum of Understanding (MOU) mit Datenanbietern abzuschließen und die Regeln zur Unterscheidung zwischen „öffentlichen“ und „nicht-öffentlichen“ Teilen schriftlich festzuhalten.

12. Temperaturunterschiede mit ausländischen Plattformen – „Open vs. Closed“

Meta nutzt bei Llama 3 umfangreich Webdaten mit CC-Lizenz, während YouTube noch keine klaren Einschränkungen für KI-Lernen festgelegt hat. In den USA bietet das Konzept des **„Fair Use“** einen gewissen Schutz, während in der EU der AI Act ab 2026 in Kraft treten soll, der Transparenzpflichten auferlegt. Die Schließung von X symbolisiert den Beginn einer Ära, in der „selbst in den USA Daten nicht mehr kostenlos sind“, undder grenzüberschreitende Daten-Governance-Krieg wird ernsthaft beginnen.

13. Die Position der japanischen Regierung und politische Empfehlungen

Das Ministerium für Wirtschaft, Handel und Industrie hat in den „Richtlinien für die Nutzung von generativer KI (Entwurf)“ die „Achtung des Willens der Datenanbieter“ aufgenommen und gleichzeitig die Sicherung der Wettbewerbsfähigkeit der KI-Industrie betont. In Zukunft wird

• die maschinenlesbare Gestaltung öffentlicher Daten und die Liberalisierung der Zweitnutzung

• die Einrichtung gemeinsamer Cloud-/Datenlake-Infrastrukturen durch Universitäten und öffentliche Forschungseinrichtungen

• Zuschüsse für den Datenzugang für kleine und mittlere Unternehmen und Start-ups

die drei Schlüssel sein.

14. „Eigene Daten“ als Wettbewerbsvorteil – Die neue Wertschöpfungskette

Je mehr Plattformanbieter Daten abschotten,desto mehr steigt der Wert von „unentdeckten Daten“ wie Betriebsprotokollen, Lieferkettendaten und Kundenchats, die in Unternehmen schlummern. Japanische Unternehmen haben die Chance, sich global zu differenzieren, indem sie Daten, die aufgrund von Sprach- und Geschäftspraktikbarrieren für ausländische Unternehmen schwer zugänglich sind, verfeinern und „nischenhafte, aber tiefgehende Expertise“ als Waffe nutzen.

15. Fazit – „Datenqualität und -zugang“ bestimmen die KI-Wettbewerbsfähigkeit

Die Änderung der Nutzungsbedingungen von Unternehmen X mag auf den ersten Blick nur eine Richtlinienänderung sein, tatsächlich jedochläutet sie ein neues Kapitel im „Datenwettlauf“ ein, das das Machtgleichgewicht in der generativen KI-Industrie grundlegend erschüttert. Japanische KI-Entwickler, Unternehmen und politische Entscheidungsträger müssen

1. die Diversifizierung der Datenbeschaffung und das Management rechtlicher Risiken

2. den gemeinsamen Aufbau offener Dateninfrastrukturen

3. die Differenzierung durch die Schaffung eigener Daten

die drei Säulen schnell etablieren, um ihre Wettbewerbsfähigkeit auf dem Weltmarkt nicht zu verlieren. Umgekehrt werden die Unternehmen, die diese Krise überwinden und eine **„hochwertige eigene Daten × hocheffiziente Modelle“** realisieren können, die Gewinner der nächsten Ära der generativen KI sein.

TechCrunch

• The Verge

• Reuters

• Japan Newspaper Association

• Digital Agency