Data Provenance ist die dokumentierte Herkunft der Daten, mit denen ein KI-Modell trainiert oder gefüttert wird: Woher stammt jeder Teil, wer hat ihn erhoben, unter welcher Erlaubnis darf er benutzt werden, wann wurde er verändert.
- Data Provenance (Datenherkunft)
Die dokumentierte Herkunft der Daten, mit denen ein KI-Modell trainiert oder gefüttert wird.
Beispiel: „Die Data Provenance wies für jede der elf Quellen die Lizenz und das Abrufdatum aus.“Was festgehalten wird: Quelle, Zeitpunkt, Lizenz oder Rechtsgrundlage, vorgenommene Bearbeitungen und die Kette der Weitergaben.
Wo sie veröffentlicht wird: in der Modellkarte oder im Datenblatt zum Datensatz. Bei großen Modellen bleibt diese Angabe meist grob.
Warum sie rechtlich zählt
Weil eine Nutzung ohne bekannte Herkunft nicht zu verteidigen ist. Wer nicht sagen kann, woher ein Trainingsbestand stammt, kann weder eine Lizenz belegen noch auf eine Löschaufforderung reagieren. Was beim Training fremder Werke erlaubt ist, steht unter Urheberrecht und KI; die Rechtslage ist in Bewegung, und wer die Herkunft nicht führt, kann auf eine Klärung gar nicht reagieren.
Warum sie fachlich zählt
Weil sie Fehlersuche erst möglich macht. Zeigt ein Modell eine Schieflage, führt die Spur zu einer Quelle, und ohne Herkunftsangabe bleibt nur Raten. Dasselbe gilt für Dubletten: Ein Datensatz, der dieselben Texte aus drei Quellen enthält, gewichtet sie dreifach, und das fällt nur auf, wenn die Herkunft mitgeführt wird.
Wie wir das in Projekten halten
Mit einer Tabelle je Datenbestand: Quelle, Datum, Lizenz, Bearbeitung, verantwortliche Person. Das kostet wenig und ist die einzige Form, in der sich zwei Jahre später noch beantworten lässt, ob ein Bestand weiterverwendet werden darf. Bei fremden Modellen fragen wir diese Angabe ab und halten die Antwort fest, auch wenn sie unvollständig ausfällt.
Was bei zugekauften Modellen bleibt
Eine Lücke, die man benennen kann. Die Trainingsbestände großer Modelle sind nicht offengelegt, und ein Anbieter wird daran nichts ändern. Festhalten lässt sich trotzdem, was er zusagt: Herkunftsangaben in seiner Dokumentation, Zusagen zur Rechtefreiheit, Haftungsübernahmen. Diese Zusagen sind das, womit man im Zweifel arbeitet.