Trainingsdaten sind nach Artikel 3 Nummer 29 der KI-Verordnung Daten, die zum Training eines KI-Systems durch Anpassung seiner lernfähigen Parameter verwendet werden.
Der Begriff ist zuerst ein technischer – siehe Maschinelles Lernen für die Grundlagen. Dieser Artikel behandelt die rechtliche Dimension: welche Anforderungen die Verordnung an Trainingsdaten stellt und was Anbieter über sie offenlegen müssen.
Zusammenfassung
Die Verordnung unterscheidet drei Datenarten im Trainingsprozess: Trainingsdaten passen die lernfähigen Parameter eines Systems an, Validierungsdaten (Nummer 30) bewerten das trainierte System zur Feinabstimmung nicht-lernfähiger Parameter, und Prüfdaten (Nummer 32) dienen einer unabhängigen Bewertung vor dem Inverkehrbringen. Nur die erste Kategorie verändert das Modell direkt; die beiden anderen prüfen das Ergebnis.
Datenqualität für Hochrisiko-Systeme
Artikel 10 verlangt für Hochrisiko-Systeme, dass Trainings-, Validierungs- und Testdatensätze relevant, hinreichend repräsentativ und im Hinblick auf den Verwendungszweck so weit wie möglich fehlerfrei und vollständig sind. Anbieter müssen ihre Datenmanagement-Praktiken dokumentieren – Herkunft, Aufbereitung, zugrundeliegende Annahmen sowie die Prüfung und Minderung von Verzerrungen.
Eine Ausnahme regelt Artikel 10 Absatz 5: Anbieter dürfen besondere Kategorien personenbezogener Daten ausnahmsweise verarbeiten, um Verzerrungen in ihren Systemen zu erkennen und zu korrigieren – allerdings nur, wenn Alternativen wie synthetische oder anonymisierte Daten nicht wirksam sind, strenge Zugriffsbeschränkungen gelten und die Daten nach Zweckerreichung gelöscht werden.
Offenlegungspflicht für GPAI-Anbieter
Artikel 53 Absatz 1 Buchstabe d verpflichtet Anbieter von GPAI-Modellen, eine Zusammenfassung ihrer Trainingsdaten zu veröffentlichen. Die Kommission hat dafür am 24. Juli 2025 ein verpflichtendes Template vorgelegt, das seit 2. August 2025 für neue Modelle gilt, mit Übergangsfrist bis 2. August 2027 für Bestandsmodelle. Verlangt sind aggregierte, narrative Angaben – allgemeine Charakteristika, Modalitäten, Größenordnungen wie Tokenzahlen, Listen großer Datenquellen. Eine Werk-für-Werk-Auflistung oder exakte Tokenzahlen je Quelle sind nicht vorgeschrieben – ein bewusster Kompromiss zwischen Transparenz und dem Schutz von Geschäftsgeheimnissen.
Verhältnis zum Urheberrecht
Artikel 4 der EU-Urheberrechtsrichtlinie (DSM-Richtlinie, 2019/790) erlaubt Text- und Data-Mining unabhängig vom Zweck – auch für kommerzielles KI-Training –, sofern rechtmäßiger Zugang besteht und Rechteinhaber die Nutzung nicht maschinenlesbar vorbehalten haben. Artikel 53 Absatz 1 Buchstabe c der KI-Verordnung verpflichtet GPAI-Anbieter ausdrücklich, eine Urheberrechts-Compliance-Politik zu etablieren und solche Vorbehalte zu identifizieren und einzuhalten.
Wie umstritten die Trainingsdaten-Frage urheberrechtlich bleibt, zeigen zwei Verfahren aus dieser Zeit: Die New York Times verklagt OpenAI und Microsoft seit Dezember 2023 vor dem Bezirksgericht des südlichen Bezirks von New York; ein Antrag auf Abweisung wurde im April 2025 größtenteils zurückgewiesen, ein Prozess wird für Ende 2026 oder Anfang 2027 erwartet. Im Verfahren Getty Images gegen Stability AI wies der England and Wales High Court im November 2025 die sekundäre Urheberrechtsklage ab – Modellgewichte seien keine „urheberrechtsverletzenden Kopien” –, ließ aber die eigentliche Frage nach dem Trainings-Scraping unentschieden, weil Getty diesen Klagepunkt nicht weiterverfolgte.
Kontroversen und Kritik
Analysen zum Kommissions-Template kritisieren, dass die fehlende Pflicht zu konkreten Tokenzahlen und Datensatznamen die Rechenschaftspflicht begrenzt hält – Transparenz auf dem Papier, ohne dass sich einzelne Trainingsquellen tatsächlich nachvollziehen lassen. In den USA wehrte sich xAI Ende Dezember 2025 gerichtlich gegen Kaliforniens Training Data Transparency Act unter Berufung auf Geschäftsgeheimnisschutz; die Klage wurde abgewiesen.
Verwandte Begriffe
- Maschinelles Lernen – die technische Grundlage, wofür Trainingsdaten gebraucht werden
- GPAI mit systemischem Risiko – Modelle mit der schärfsten Offenlegungspflicht
- EU AI Act – die Verordnung, deren Artikel 3 diesen Begriff festlegt
- Begriffsbestimmungen der KI-Verordnung – alle 68 Legaldefinitionen im Überblick
Quellenangaben
- Europäisches Parlament und Rat, 2024. Verordnung (EU) 2024/1689 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz, Artikel 3 Nummer 52, Artikel 5 Absatz 1 Buchstabe d, Artikel 6 Absatz 3, Artikel 26 Absatz 11, Anhang III, Erwägungsgrund 26. Amtsblatt der Europäischen Union, 12. Juli 2024.
- Europäische Kommission, 2025. Training Data Disclosure Template under Article 53(1)(d) of the AI Act. 24. Juli 2025.
- Europäisches Parlament und Rat, 2019. Richtlinie (EU) 2019/790 über das Urheberrecht und die verwandten Schutzrechte im digitalen Binnenmarkt, Artikel 4.
- England and Wales High Court (Chancery Division), 2025. Getty Images (US) Inc & Ors v Stability AI Ltd (Rev1), [2025] EWHC 2863 (Ch), Urteil vom 4. November 2025.