Von Reddits 60-Millionen-Dollar-API-Deal bis hin zu persönlichen Daten, die "ein paar Dollar" wert sind – die neue Ökonomie der KI-Trainingsdaten nimmt Gestalt an.
d3sign / Getty Images
OpenAIs fünfjähriger Lizenzvertrag mit News Corp hat laut Wall Street Journal einen Wert von mehr als 250 Millionen Dollar. Diese Zahl, die bei der Verkündung des Deals im Mai 2024, berichtet wurde, bleibt das größte bekannte KI-Inhaltslizenzabkommen.
Es ist kein Ausreißer. Reddit $RDDT hat einen Inhaltslizenzvertrag im Wert von etwa 60 Millionen Dollar pro Jahr mit Google $GOOGL abgeschlossen, um Gemini-KI-Modelle zu trainieren, eine Vereinbarung, die Anfang 2024 getroffen wurde, kurz bevor Reddit seinen Börsengang anmeldete. In seinem Börsenprospekt gab Reddit Datenlizenzvereinbarungen mit einem Gesamtvertragswert von 203 Millionen Dollar und Laufzeiten von zwei bis drei Jahren bekannt, laut TechCrunch. Reddit-CEO Steve Huffman hatte argumentiert, die Daten der Plattform sollten nicht "einigen der größten Unternehmen der Welt kostenlos gegeben werden."
Diese Zahlen kartieren einen Markt, der vor drei Jahren kaum existierte. Der globale Markt für KI-Trainingsdatensätze wurde 2025 mit 3,59 Milliarden Dollar bewertet und soll laut Fortune Business Insights bis 2026 auf 4,44 Milliarden Dollar wachsen.. Eine separate Schätzung von MarketIntelo beziffert das Segment für die Lizenzierung von Datensätzen im Jahr 2025 auf 4,8 Milliarden US-Dollar, bis 2034 soll es 22,6 Milliarden US-Dollar erreichen.
Die Ära der kostenlosen KI-Trainingsdaten ist vorbei. Was sie ersetzt, hat eine Preisliste.
Die Preise variieren um Größenordnungen, abhängig vom Inhalt, dem Verlag und dem Käufer. An der Spitze steht der Deal von News Corp mit durchschnittlich etwa 50 Millionen US-Dollar pro Jahr über sein Portfolio von Wall Street Journal, New York Post und globalen Titeln. Amazons erster KI-fokussierter Lizenzvertrag mit der New York Times ist laut dem Wall Street Journal, wie von eWeek.
Unterhalb dieser Ebene fallen die Zahlen, bleiben aber bedeutend. Axel Springers Deal mit OpenAI für Business Insider, Politico und andere Titel wurde mit etwa 13 Millionen Dollar pro Jahr über drei Jahre berichtet. Die Financial Times unterzeichnete mit OpenAI zu einem gemeldeten Preis von 5 bis 10 Millionen Dollar pro Jahr. Dotdash Meredith's Deal mit OpenAI war mindestens 16 Millionen Dollar wert, laut Digiday.
Akademische Verleger haben ihre eigenen Zahlungen erhalten. Wiley führte einen 23-Millionen-Dollar-AI-Deal mit einem ungenannten Technologieunternehmen im Geschäftsjahr 2024 durch, gefolgt von einer zweiten Vereinbarung im Wert von 21 Millionen Dollar, berichtete Publishers Weekly. Informa, das Mutterunternehmen von Taylor & Francis, unterzeichnete ein anfängliches Datenzugangsabkommen im Wert von 10 Millionen Dollar mit Microsoft $MSFT und erwartet, dass die gesamten AI-bezogenen Einnahmen im Jahr über 75 Millionen Dollar übersteigen werden, laut Inside Higher Ed.
Shutterstock führt alle Medienunternehmen bei den Einnahmen aus KI-Lizenzen an: CEO Paul J. Hennessy sagte Bloomberg das Unternehmen erwartete 2024 138 Millionen US-Dollar, gegenüber 104 Millionen US-Dollar im Jahr 2023. Sein CFO sagte, einzelne Big-Tech-Deals reichten von 25 Millionen bis 50 Millionen US-Dollar.
Die erste Welle von KI-Inhaltslizenzvereinbarungen in den Jahren 2023 und 2024 konzentrierte sich auf jährliche Pauschalgebühren, die meisten davon für Schulungen. Diese Struktur entwickelt sich bereits weiter.
Verlage werden nun bezahlt, wenn KI-Systeme ihre Inhalte in Echtzeit abrufen oder verwenden, und Reddit erwartete diese zweite Welle der nutzungsbasierten Preisgestaltung. Reddit bespricht mit Google und OpenAI eine zukünftige Deal-Struktur, die dynamische Preisgestaltung ermöglichen könnte, wobei die Plattform mehr verdient, wenn ihre Daten wertvoller für KI-generierte Antworten werden. Reddit-CEO Steve Huffman sagte während eines Gewinnaufrufs im Juli 2025 dass "sich jede Variable geändert hat, seit wir diese ersten Deals abgeschlossen haben" und dass der Bestand des Unternehmens "größer" und "wesentlicher" ist, was es in eine starke Position bringt, um neu zu verhandeln.
In der Zwischenzeit sind laut Yulia Petrossian Boyle, Gründerin von YPB Global, Erlösbeteiligungsmodelle im Kommen. Sie stellte fest, dass Verlage einen Teil der Abonnementerlöse oder leistungsabhängige Vergütungen erhalten. ProRata, ein KI-Such-Startup, zahlt 50 % aller Einnahmen aus seinem Produkt Gist.AI an Verlage, laut AI Watch.dog.
Die oben genannten Geschäfte betreffen Institutionen. Für Einzelpersonen bleiben die wirtschaftlichen Verhältnisse unausgewogen.
Vana, ein aus dem MIT hervorgegangenes Startup, hat mehr als eine Million Nutzer angezogen, die personenbezogene Daten in verschiedenen Pools bereitstellen. Die typischen individuellen Auszahlungen sind immer noch gering und belaufen sich auf etwa ein paar Dollar, sagte Vana gegenüber Axios. Vana-CEO Anna Kazlauskas hat das Maßstabsproblem anerkannt: "Meine Daten allein sind nicht so wertvoll, aber ein Datenpool mit Zehntausenden oder Millionen von Menschen ist wirklich wertvoll", sagte sie in einem MIT News-Profil.
"Viel von der Angst vor KI rührt von fehlender ordnungsgemäßer Zuschreibung und Wirtschaftlichkeit her," sagte Kazlauskas Quartz. "Wenn Sie der KI beibringen, wie man Ihren Job macht, sollten Sie tatsächlich dieses KI-Modell besitzen."
Die Kluft zwischen institutioneller und individueller Vergütung spiegelt eine strukturelle Asymmetrie wider. News Corp kann aus einer Position des rechtlichen Hebels, der Archive und der redaktionellen Infrastruktur verhandeln. Der Spotify $SPOT-Hörverlauf oder die Instagram-Engagement-Daten einer Einzelperson haben keine vergleichbare Verhandlungsmacht, es sei denn, sie werden gebündelt.
Diese Preise spiegeln einen unter Druck stehenden Markt wider. Epoch AI, eine Forschungsorganisation, die KI-Skalierungsbeschränkungen verfolgt, prognostiziert mit 80%iger Sicherheit, dass der Bestand an öffentlich verfügbaren, von Menschen generierten Daten zwischen 2026 und 2032 vollständig genutzt wird, laut deren veröffentlichten Forschung. Das indexierte Web enthält etwa 500 Billionen Wörter einzigartigen Textes, mit einem prognostizierten Anstieg von 50 % bis 2030. Das klingt viel, aber Spitzenmodelle verbrauchen Daten schneller, als das Internet sie produziert.
Der Mangel geht über das Volumen hinaus. Da KI-Systeme in die Robotik, erweiterte Realität und Gesundheitsversorgung vordringen, benötigen sie Datentypen, die nie im öffentlichen Internet waren. Drohnenbilder, Fitness-Tracker-Logs und Unternehmens-Telemetrie befinden sich hinter Wänden aus Besitz, Einwilligung und technischer Formatierung.
Verlage, die 2023 und 2024 Verträge abschließen, bepreisten ein Asset ohne etablierten Markt gegen einen Käufer mit weitaus besseren Informationen darüber, wie sehr er sie brauchte. Diese Informationslücke schließt sich. Die Preise steigen. Und die Verkäufer wissen zum ersten Mal, was sie haben.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
