Kurz-Fakten

  • Offene Gewichte sind nicht offene Daten – nur wenige Projekte veröffentlichen beides
  • Die Zusammensetzung bestimmt Sprachqualität, Wissensstand und inhaltliche Prägung des Modells
  • Personenbezogene Daten im Bestand lassen sich aus einem trainierten Modell nicht gezielt entfernen
  • Enthält der Bestand Testaufgaben eines Vergleichsmaßstabs, sind dessen Ergebnisse für dieses Modell wertlos
  • Anbieter von Allzweckmodellen müssen nach Art. 53 der KI-Verordnung eine Zusammenfassung der Trainingsinhalte veröffentlichen

Bedeutung in der Praxis

Für die Auswahl ist die Datenbasis die Angabe mit dem größten Erklärungswert und der geringsten Verfügbarkeit. Wo sie fehlt, lässt sich der Trainingsstand wenigstens erfragen: Bis wann reicht das Wissen, welche Sprachen sind wie stark vertreten, wurde ein Nutzungsvorbehalt von Rechteinhabern berücksichtigt? Modelle, die darauf antworten können, sind für eine Akte brauchbarer als solche mit besseren Messwerten.

Datenschutzrechtlich ist der Punkt unbequem und selten ausgesprochen: Ein Löschverlangen kann sich nicht sinnvoll gegen ein trainiertes Modell richten, weil der Beitrag einer einzelnen Quelle darin nicht adressierbar ist. Deshalb ist die Entscheidung, keine Kundeneingaben ins Training zu geben, keine Höflichkeit, sondern die einzige, die sich später noch einhalten lässt.

Verwandte Begriffe