Betriebsdaten lizenzieren, die nie im offenen Web erschienen sind

Was Sie lizenzieren können

Archive sind zusammenhängende Dokumentenbestände: Schriftverkehr, Verträge, Rechnungen und Buchungen über Jahre echten Betriebs. Strukturierte Auszüge sind entitätsaufgelöste, anonymisierte Extraktionen nach Ihrem Schema. Evaluationssets sind zurückgehaltene, nie veröffentlichte Dokumentaufgaben zum Messen von Extraktion, Schlussfolgern und Agentenabläufen.

RL-Umgebungen sind aufgabenbasierte Trainingsumgebungen mit programmatischen Verifiern, gebaut aus denselben Unterlagen.

Anonymisierung

Benannte Entitäten, personenbezogene Daten und kommerzielle Kennungen werden vor der Lieferung entfernt oder pseudonymisiert. Die Pseudonymisierung ist deterministisch, damit Querverweise zwischen Dokumenten stimmig bleiben: Dieselbe Gegenpartei erhält im ganzen Bestand dasselbe Pseudonym, ohne offenzulegen, wer sie war.

Warum Betriebsdaten

Die Betriebsgeschichte eines Unternehmens, sein Schriftverkehr, seine Verträge, Rechnungen und Streitfälle über Jahre, stand nie online.

Nichts wird per Scraping beschafft.

Die EU-KI-Verordnung

Nach der EU-KI-Verordnung müssen Anbieter von KI-Modellen mit allgemeinem Verwendungszweck eine hinreichend detaillierte Zusammenfassung der zum Training genutzten Inhalte veröffentlichen. Labore, die vor diesen Dokumentationspflichten stehen, finden in unserem Beitrag zum Herkunftsnachweis, was die Verordnung von Anbietern erwartet.

Fragen vor der Lizenzierung proprietärer Geschäftsdaten

Wem gehörten die Unterlagen, und wer hat die Lizenz genehmigt? Welche Nutzungen sind erlaubt: Training, Evaluation, Veröffentlichung von Ergebnissen? Welche Teile sind Material Dritter? Wie wurden personenbezogene Daten behandelt, und was bleibt dem Vertrag statt der Anonymisierung überlassen? Was enthält die Lieferung, in welchen Formaten und mit welcher Dokumentation?

Evaluationsrechte verdienen eine eigene Zeile in der Lizenz: ob der Lizenznehmer ohne Training Benchmarks durchführen darf und ob Ergebnisse veröffentlicht werden dürfen.

Wie die Lieferung läuft

Die Lizenzbedingungen werden je Vereinbarung festgelegt.

Archive werden als PDF, EML, XLSX und DOCX geliefert, strukturierte Auszüge als JSONL oder Parquet, nach Ihrem Schema.

Häufige Fragen werden in den FAQ beantwortet.