Ein kleines Team in Zürich hat ein Sprachmodell trainiert. Nächsten Monat will es das Modell Kunden in der EU anbieten. Am Freitag schickt die Anwältin eine einzige Zeile. Wo ist eure öffentliche Trainings-Zusammenfassung?
Dieser Leitfaden erklärt, was diese Zusammenfassung ist und was die EU-Vorlage verlangt. Dann zeigt er, wie Sie Aufzeichnungen führen, die die Zusammenfassung belegen.
Wer eine Trainings-Zusammenfassung veröffentlichen muss
Die KI-Verordnung verpflichtet jeden Anbieter eines KI-Modells mit allgemeinem Verwendungszweck, eine Zusammenfassung seiner Trainingsinhalte zu veröffentlichen.
Die Regel steht in Artikel 53 Absatz 1 Buchstabe d der KI-Verordnung der EU. Anbieter von KI-Modellen mit allgemeinem Verwendungszweck müssen «eine hinreichend detaillierte Zusammenfassung der für das Training des KI-Modells mit allgemeinem Verwendungszweck verwendeten Inhalte nach einer vom AI Office bereitgestellten Vorlage erstellen und veröffentlichen».
Open-Source-Modelle entgehen dieser Pflicht nicht. Artikel 53 Absatz 2 der KI-Verordnung hebt für Open-Source-Modelle einige Pflichten auf, aber nur die Buchstaben a und b. Die Zusammenfassung in Buchstabe d gilt weiterhin.
Die Pflicht gilt seit dem 2. August 2025 (erneut geprüft auf EUR-Lex, 21. Oktober 2026). Modelle, die vor diesem Datum in Verkehr gebracht wurden, haben mehr Zeit. Ihre Zusammenfassung muss spätestens am 2. August 2027 öffentlich sein (erneut geprüft in der Mitteilung der Kommission, 21. Oktober 2026).
Die drei Abschnitte der Vorlage
Die Vorlage der Kommission hat drei Abschnitte, und jeder verlangt ein grobes Bild der Daten.
Das AI Office hat seine Erläuterung und Vorlage am 24. Juli 2025 veröffentlicht. Jede Zusammenfassung muss ihr folgen. Die Vorlage hat drei Abschnitte.
- «1. Allgemeine Informationen» nennt den Anbieter und das Modell. Der Abschnitt gibt an, aus welchen Arten von Inhalten das Modell gelernt hat und wie viel von jeder Art, in groben Spannen. Er beschreibt den allgemeinen Charakter der Trainingsdaten.
- «2. Liste der Datenquellen» nennt die wichtigsten Datensätze. Der Abschnitt beschreibt online gesammelte Daten in Worten. Er deckt auch alle anderen Quellen ab, etwa Nutzerdaten oder synthetische Daten.
- «3. Relevante Aspekte der Datenverarbeitung» hat drei Teile. Teil 3.1 heisst «Beachtung von Rechtsvorbehalten aus der Ausnahme für Text- und Data-Mining oder Opt-out». Teil 3.2 heisst «Entfernung illegaler Inhalte». Teil 3.3 heisst «Weitere Informationen (optional)».
Abschnitt 2 ist weiter unterteilt. Er umfasst öffentliche Datensätze, private Datensätze, ausgelesene Daten, Nutzerdaten und synthetische Daten. Private Datensätze sind noch einmal geteilt. Ein Teil sind Daten, die von Rechteinhabern lizenziert wurden. Der andere Teil sind Daten von anderen Dritten.
Domainnamen und die Aktualisierungsregel
Sie listen die grössten Websites auf, die Sie ausgelesen haben, und Sie erneuern die Zusammenfassung, wenn Sie das Modell weiter trainieren.
Abschnitt 2.3 der Vorlage betrifft online gecrawlte und ausgelesene Daten. Er verlangt eine Liste von Domainnamen. Sie nennen die Namen «in den obersten 10 % aller Domainnamen, bestimmt nach der Grösse der ausgelesenen Inhalte». Kleine und mittlere Unternehmen haben eine leichtere Regel. Sie listen «die obersten 5 % oder die obersten 1000 Domains».
Die Zusammenfassung ist auch ein lebendes Dokument. Wenn Sie das Modell weiter trainieren, aktualisieren Sie sie. Die Erläuterung verlangt Aktualisierungen im Abstand von sechs Monaten, oder früher, wenn die neuen Daten erheblich sind. Jede Aktualisierung trägt ihr Datum.
Wo und wann Sie sie veröffentlichen
Die Zusammenfassung kommt gut sichtbar auf Ihre Website, spätestens wenn das Modell den EU-Markt erreicht.
Die Erläuterung sagt, die Zusammenfassung «sollte spätestens dann öffentlich zugänglich gemacht werden, wenn das Modell auf dem Unionsmarkt in Verkehr gebracht wird». Sie sagt auch, wo. «Sie sollte auf der offiziellen Website des Anbieters gut sichtbar und zugänglich veröffentlicht werden». Die Zusammenfassung reist zudem «zusammen mit dem Modell über alle seine öffentlichen Vertriebskanäle».
Im Klartext: Sie brauchen eine leicht zu findende Seite auf Ihrer Website. Sie brauchen ausserdem eine Kopie überall dort, wo Leute das Modell herunterladen.
Was die Vorlage nicht verlangt
Sie müssen nicht jedes Werk und jede Datei auflisten, aus denen das Modell gelernt hat.
Absatz 16 der Erläuterung ist hier deutlich. Die Vorlage «verlangt keine Offenlegung der Details zu den konkreten Daten und Werken, die zum Training des Modells verwendet wurden». Erwägungsgrund 107 der KI-Verordnung sagt, die Zusammenfassung solle «allgemein umfassend», aber nicht «technisch detailliert» sein.
Die Erläuterung nennt auch den Zweck. Die Zusammenfassung dient dazu, «sinnvolle öffentliche Transparenz zu schaffen und Parteien mit berechtigten Interessen die Ausübung und Durchsetzung ihrer Rechte nach Unionsrecht zu erleichtern». Ein Rechteinhaber liest sie, um zu sehen, ob sein Werk darin stecken könnte. Dann stellt er Ihnen vielleicht Fragen. Sie werden Aufzeichnungen wollen, um sie zu beantworten.
Belegen Sie die Zusammenfassung mit versiegelten Aufzeichnungen
Versiegeln Sie Ihre Datensatz-Manifeste, Lizenzdateien und die Zusammenfassung selbst als datierte Versionen, damit Sie zeigen können, was Sie wann hatten.
Die Zusammenfassung ist eine öffentliche Behauptung. Eines Tages fragt vielleicht ein Rechteinhaber oder das AI Office, was dahinterstand. Sagen wir, Ihr Abschnitt 2.2.1 nennt Daten, die von Rechteinhabern lizenziert wurden. Dann wollen Sie diese Lizenzdateien so, wie sie am Tag des Trainings waren. Sagen wir, Ihr Abschnitt 3.1 sagt, Sie hätten Opt-outs beachtet. Dann wollen Sie das Datensatz-Manifest und die Opt-out-Liste so, wie sie an jenem Tag standen.
Auf Swiss Trust Layer laden Sie diese Dateien in einen Ordner und versiegeln ihn. Die Plattform berechnet einen Fingerabdruck jeder Datei und des versiegelten Pakets. Nur der Fingerabdruck geht an Swisscom Trust Services, einen qualifizierten Vertrauensdiensteanbieter. Die Datei selbst nicht. Swisscom signiert den Fingerabdruck und fügt einen Zeitstempel nach RFC 3161 hinzu. Jede versiegelte Version erhält ein Nachweiszertifikat, ein signiertes PDF. Es listet jeden Dateinamen und seinen Fingerabdruck auf, dazu die Versionsnummer. Ein QR-Code darauf öffnet eine öffentliche Prüfseite, die kein Login braucht.
Jedes Mal, wenn Sie die Zusammenfassung aktualisieren, fügen Sie eine neue Version des Ordners hinzu. Der Ordner führt eine Version History, und jede Version behält ihr eigenes Siegel. Jede Änderung an einer Datei ergibt einen anderen Fingerabdruck. So zeigt eine datierte Kette von Versionen, was Sie an jedem Datum hatten.
Was ein Siegel beweist und was nicht
Ein Siegel beweist, dass die Aufzeichnung an einem Datum existierte und seither unverändert ist; es beweist nicht, dass die Daten rechtmässig genutzt wurden.
Seien Sie ehrlich über die Grenze. Ein Siegel beweist, dass genau diese Datei in diesem Moment existierte und sich seither nicht verändert hat. Es beweist nicht, wer den Inhalt geschaffen hat, dass der Inhalt wahr ist oder dass der Versiegelnde die Rechte hält. Es beweist nicht, dass Ihre Trainingsdaten rechtmässig genutzt wurden. Ein Siegel schafft kein Urheberrecht. Urheberrecht entsteht mit der Schöpfung. Eine versiegelte Lizenzdatei zeigt, welchen Lizenztext Sie an jenem Tag hatten. Ob diese Lizenz Ihre Nutzung abdeckt, ist eine Rechtsfrage, die das Siegel nicht beantworten kann.
Versiegeln Sie Ihr Datensatz-Manifest, Ihre Lizenzdateien und den Entwurf der Zusammenfassung noch heute als Version eins auf Swiss Trust Layer.
