Betriebsdaten lizenzieren, die nie im offenen Web erschienen sind

TGDC lizenziert rechtlich geklärte Betriebsdaten echter europäischer Unternehmen an KI-Labore: zusammenhängende Dokumentenarchive, strukturierte Auszüge und zurückgehaltene Evaluationssätze. Jedes Korpus kommt mit schriftlicher Rechtekette und einem Anonymisierungsbericht je Charge.

Formate

PDF · EML · XLSX · DOCX für Archive, JSONL · Parquet für Auszüge

Herkunft

Schriftliches Mandat an der Quelle, dokumentierte Verwahrkette

Je Charge

Anonymisierungsbericht und Manifest mit Prüfsummen, bei jeder Lieferung

Was Sie lizenzieren können

• Archive. Zusammenhängende Dokumentenbestände: Schriftverkehr, Verträge, Rechnungen und Buchungen über Jahre echten Betriebs. Geliefert als PDF, EML, XLSX und DOCX.
• Strukturierte Auszüge. Entitätsaufgelöste, anonymisierte Extraktionen nach Ihrem Schema, als JSONL oder Parquet.
• Evaluationssätze. Zurückgehaltene, nie veröffentlichte Dokumentaufgaben zum Messen von Extraktion, Schlussfolgern und Agentenabläufen.
• RL-Umgebungen. Aufgabenbasierte Trainingsumgebungen mit programmatischen Prüfern, gebaut aus denselben geklärten Quellen. Siehe RL-Umgebungen.
• Maßgeschneiderte Korpora. Fachdatensätze auf Anfrage, quer durch Gesundheitswesen, Recht und Finanzen.

Die Herkunft ist das Produkt

Jedes Korpus kommt über einen autorisierten Kanal herein: Insolvenzmassen, die Verwalter nur unter einem schriftlichen Mandat freigeben; Aufzeichnungen von Arbeitsabläufen, aufgenommen mit Einwilligung, während die Arbeit geschieht; und persönliche Dokumente, die ihre Eigentümer mit Anonymisierung auf dem Gerät beisteuern. Nichts wird gescrapt, und kein Korpus geht ohne eine Rechteklärung hinaus, die Eigentum, Material Dritter und gesetzliche Schranken abdeckt.

Das Ergebnis sind Daten mit Papierspur: wem sie gehörten, wer sie freigegeben hat, was entfernt wurde und welche Lizenzbedingungen daran hängen. Für Labore, die vor Dokumentationspflichten zu Trainingsdaten nach der EU-KI-Verordnung stehen, ist diese Papierspur der Unterschied zwischen einem Vermögenswert und einem Risiko.

Anonymisierung, je Charge überprüft

Benannte Entitäten, personenbezogene Daten und geschäftliche Kennungen werden vor der Lieferung entfernt oder pseudonymisiert. Die Pseudonymisierung ist deterministisch, sodass Querverweise zwischen Dokumenten zusammenhängend bleiben: Dieselbe Gegenpartei erhält im gesamten Bestand dasselbe Pseudonym, ohne preiszugeben, wer sie war. Jede Charge wird mit einem Prüfbericht ausgeliefert, der festhält, was erkannt und ersetzt wurde.

Warum Betriebsdaten

Webtext ist erschöpft und kontaminiert: Was öffentlich crawlbar ist, steckt bereits in jedem führenden Modell. Die betriebliche Überlieferung eines Unternehmens, also Schriftverkehr, Verträge, Rechnungen und Streitfälle über Jahre, stand nie online. Sie trägt die zeitliche Struktur, die Unordnung und die fachliche Tiefe, die gescrapte Daten nicht liefern können.

Wie die Lieferung abläuft

Jedes Korpus durchläuft dieselben vier Schritte: erworben nur unter schriftlicher Erlaubnis, durch eine Rechteklärung geführt, je Charge anonymisiert und überprüft, und als gestufte Korpora mit Manifesten, Prüfsummen und Lizenzbedingungen geliefert. Die Lizenzbedingungen werden je Vereinbarung festgelegt, einschließlich exklusiver Lizenzierung auf Korpusebene.

Was wir einem Verkäufer schicken

Zwei einseitige Kurzpapiere gehen an Unternehmen, die erwägen, ihre Unterlagen zu lizenzieren. Sie nennen, worum wir bitten, wie Dateien zu uns gelangen, was vor der Lieferung ersetzt wird und wie ein Verkäufer vergütet wird. Wenn Sie selbst keine Unterlagen halten, uns aber ein Unternehmen vorstellen können, das welche hat, oder uns eine Partnerschaft vermitteln: Dafür gibt es ein Vermittlerhonorar; die Bedingungen werden im Einzelfall vereinbart, bevor sich etwas bewegt.