In europäischen Antiquariaten fallen seit Monaten Einkäufe auf, die keinem Sammlerprofil gehorchen. Technische Handbücher aus den 1970er-Jahren, vergessene Romane, Ortsgeschichten, Fachmonografien, nach denen jahrelang niemand gefragt hat: lange, durcheinandergewürfelte Listen, oft mit dem Anschein automatischer Bestellung. Interessiert scheint weniger die Ausgabe als die ISBN. Manchmal stehen die Versandkosten in keinem Verhältnis zum Preis des Bandes.
Der Verdacht liegt nahe, dass zumindest ein Teil dieser Nachfrage mit der Suche der KI-Branche nach Trainingsmaterial zusammenhängt.
Sorgfalt ist hier Pflicht. Wohin der einzelne Band wandert, lässt sich oft nicht belegen. Firmen, die mit solchen Grosseinkäufen in Verbindung gebracht werden, bestreiten, Bücher für eine zerstörende Digitalisierung zu erwerben.
Das Phänomen selbst ist dennoch kein Gerücht mehr. Ein KI-Unternehmen hat physische Bücher bereits im industriellen Massstab gekauft, aufgeschnitten, gescannt und in maschinenlesbare Daten überführt. Anthropic nannte das Project Panama. Gebaut werden sollte keine Bibliothek für Leser. Gebaut werden sollte eine für Maschinen.
Jahre lang drehte sich die Debatte um Modelle und Rechenleistung. Die nächste strategische Grösse könnte älter sein als beides: das Wissen, das Menschen hinterlassen haben.
Was online lag, ist schon weg
Die ersten grossen Sprachmodelle verdankten einem historischen Zufall ihren Vorsprung. Rund drei Jahrzehnte lang hatte die Menschheit Unmengen selbst erzeugten Materials ins Netz gestellt: Websites, Foren, Wikipedia, Zeitungen, Forschungsarbeiten, Behördendokumente, Bücher, Codearchive, Blogs, Rezensionen, Handbücher, Gespräche. Niemand plante das Internet als Trainingsset. Ein Teil davon wurde genau das — ein riesiges Korpus menschlicher Sprache, das sich im Takt von Maschinen einsammeln liess.
Die grössten Modelle haben davon erstaunliche Mengen verbraucht. Dann zeigte sich, was hätte auffallen müssen: Hochwertiger, von Menschen geschriebener Text ist endlich. Und das Netz selbst ändert seinen Charakter. Generative Systeme liefern heute Artikel, Produkttexte, Kommentare, Zusammenfassungen, Werbung, Code, Übersetzungen, Bilder und zunehmend ganze Sites. Das Korpus beginnt, die Ausgaben jener Modelle zu enthalten, die an ihm gelernt haben.
Die Forschung beschreibt die Folgen. Wer künftige Systeme rekursiv auf modellgeneriertem Stoff trainiert, kann die zugrunde liegende Verteilung beschädigen. Seltene Muster fallen aus. Die Ausgaben verdichten sich um das, was frühere Modelle schon für wahrscheinlich hielten. Unter bestimmten Trainingsregimes heisst diese Abnutzung Modellkollaps.
Die Schlagzeile ist gröber als der Befund. Synthetische Daten können nützen, wenn sie erzeugt, geprüft und mit authentischem Material gemischt werden. Das Signal bleibt trotzdem: Originäre Menschendaten werden nicht billiger, wenn die Modelle besser werden. Sie können teurer werden. Denn die Welt erzeugt immer weniger von einer bestimmten Sorte — Daten, die entstanden, bevor generative Maschinen an ihrer Entstehung mitwirkten.
Was ein Buch von 1983 heute wert ist
Man nehme einen Band von 1983: eine Geschichte des Wasserbaus in der Schweiz, Interviews mit Textilarbeiterinnen, eine entlegene Studie zur Alpwirtschaft. Vielleicht sind nie mehr als 1500 Exemplare gedruckt worden. Jahrzehnte lang war der Marktpreis belanglos; ein Antiquariat hätte CHF 12 verlangt.
Für ein System künstlicher Intelligenz hat genau dieser Band merkwürdige Vorzüge. Mit hoher Wahrscheinlichkeit stammt er von Menschen. Herkunft und Erscheinungsjahr lassen sich feststellen. Die Sprache ist nicht von generativer KI durchsetzt. Er kann Fachwissen enthalten, das online dünn liegt: regionale Terminologie, ungewohnte Satzformen, vergessenes technisches Vokabular, Blickwinkel, die nie ins Netz gewandert sind. Und digital mag er nirgends existieren.
Das staubige Regal lagert dann nicht bloss Papier. Es lagert beglaubigte menschliche Daten. Das verschiebt die Ökonomie. Für den herkömmlichen Informationsmarkt kann ein Buch nahezu wertlos sein und für die Intelligenzwirtschaft trotzdem nützlich.
So wird eine der sonderbareren Episoden jüngerer KI-Verfahren lesbar. Anthropic hat Bücher nicht nur heruntergeladen. Das Unternehmen hat sie gekauft — Millionen. Für Project Panama wurden physische Bände in enormen Mengen erworben, die Bindungen entfernt, damit die Seiten rasch durch den Scanner liefen, der Text in eine digitale Forschungsbibliothek überführt. Das Objekt war verzichtbar. Die Information darin nicht.
Der Wert ist vom Gegenstand ins Korpus gewandert.
Der industrielle Pfad: kaufen, scannen, digitalisieren, trainieren
Es gab auch Recht. In Bartz v. Anthropic prüfte ein US-Bundesgericht, ob Anthropics Nutzung urheberrechtlich geschützter Bücher zu Trainingszwecken Fair Use sei. Das Urteil zog Unterscheidungen, die man nicht einebnen sollte. Unter den vorliegenden Umständen wertete das Gericht das Training an Büchern als transformativen Fair Use. Die Umwandlung rechtmässig gekaufter physischer Exemplare in digitale Kopien für eine interne Forschungsbibliothek behandelte es anders als die Beschaffung und Aufbewahrung von Millionen Bänden aus Piratenbibliotheken.
Damit fällt die Sloganfassung des Falls: KI-Firmen dürften Bücher einfach stehlen. Das hat der Entscheid nicht gesagt. Den ökonomischen Anreiz der Rechtslage kann man trotzdem klar benennen. Für bestimmte Nutzungen begründet der physische Kauf und die anschliessende Überführung in Trainingsdaten eine stärkere Herkunftsangabe als der Download desselben Textes aus einer unautorisierten Sammlung.
Der industrielle Ablauf lautet deshalb: kaufen, scannen, digitalisieren, trainieren. Der Antiquariatsmarkt ist Teil der KI-Lieferkette geworden. Vor fünf Jahren hätte das absurd geklungen.
Die Jagd auf das, was das Netz nie hatte
Vor diesem Hintergrund lesen sich Berichte aus Antiquariaten anders. Händlerinnen und Händler schildern ungewöhnliche Bestellungen entlegener, scheinbar unzusammenhängender Titel. In der Berichterstattung taucht wiederholt der kanadische Buchhändler Zoom Books auf. Zoom Books bestreitet, Bücher für KI-Training zu kaufen und zu zerstören. Öffentlich reicht die Evidenz nicht, jedes merkwürdige Kaufmuster einem KI-Unternehmen zuzuschreiben.
Als dieser Band erschien, war das Ziel einzelner antiquarischer Grossbestellungen oft nicht feststellbar. Am 17. August 2026 berichtete 404 Media, ein Buchhändler habe einen Tracker in eine anonyme Bestellung von rund 1000 Büchern gelegt und die Sendung bis zu Amazons Anlage VGT3 in Las Vegas verfolgt. Von der Publikation befragte Mitarbeitende beschrieben, dass Bücher empfangen, von der Bindung befreit und gescannt werden. Amazon bestätigte, Bücher über kommerzielle Kanäle zu erwerben, um Produkte und Dienste zu entwickeln und zu verbessern. Die Recherche betrifft kommerziell erworbene alte, knappe und vergriffene Bücher — nicht Unikate, nicht unersetzliche Handschriften.
Das Ziel ist nicht mehr nur Vermutung. Eine Lieferkette vom physischen Buch zum Maschinenkorpus lässt sich unmittelbar beobachten.
Die grössere Logik hängt nicht am Rätsel eines einzelnen Käufers. Wer Modelle baut, will hochwertige, von Menschen erzeugte Korpora. Das leicht zugängliche digitale Material ist weitgehend eingesammelt. Urheberrechtsprozesse haben Herkunft wichtiger gemacht. Das offene Netz füllt sich fortschreitend mit synthetischem Stoff. Und enorme Mengen menschlichen Wissens liegen weiterhin nur auf Papier oder in schlechter Digitalisierung.
Daraus entsteht eine neue Suchfront. Die Maschine hat einen Grossteil des Internets gelesen. Nun sucht sie, was das Internet vergessen hat: Bücher, Mikrofilme, Sendeaufnahmen, Regionalzeitungen, Fachzeitschriften, Behördenarchive, Universitätssammlungen, Oral History, Karten, Fotografien, Ton, Bild, wissenschaftliche Sammlungen, private Bestände.
Häuser, die der Technologiebranche einst am Rand lagen, sitzen möglicherweise auf einem ihrer wertvollsten Rohstoffe.
Die Schweiz zeichnet sich seit Jahrzehnten auf
Seit Jahrzehnten zeichnet die SRG SSR dieses Land: Bundesräte, Abstimmungen, Wahlen, Kriege, Wirtschaftskrisen, Fussballspiele, Bauern, Forschende, Künstlerinnen, Proteste, Wetter, Debatten, Interviews, regionale Ereignisse, gewöhnliche Leute. Gewöhnliche Leute im Sprechen — auf Deutsch, Französisch, Italienisch, Rätoromanisch und Schweizerdeutsch, mit Akzenten und Dialekten, die im globalen digitalen Korpus dramatisch untervertreten sind.
Wir haben dieses Archiv vor allem als Mediengeschichte und Kulturerbe gelesen. Künstliche Intelligenz gibt ihm eine zweite Lesart: Es ist auch ein Datensatz. Kein beliebiger. Es ist eine längsschnittliche, professionell hergestellte, kulturell gebundene Aufzeichnung davon, wie die Schweiz sich selbst beobachtet und beschreibt.
Im August 2026 machte SRG-Generaldirektorin Susanne Wille öffentlich, dass die SRG ihr Archiv für die Entwicklung von Apertus verfügbar machen will — dem öffentlichen schweizerischen Sprachmodell, das Forschende im Umfeld der ETH Zürich und der EPFL bauen. Ihr Argument: Das Archiv sei von der schweizerischen Öffentlichkeit finanziert und solle deshalb in einem transparenten schweizerischen Umfeld genutzt werden. Ungefähr zur selben Zeit kündigte die SRG an, das unkontrollierte Crawling ihrer Online-Inhalte durch KI-Unternehmen einschränken zu wollen.
Widerspruch ist das nur auf den ersten Blick. Die SRG sagt nicht, niemand dürfe ihr Wissen nutzen. Sie sagt, sie wolle über die Bedingungen verfügen. Das ist eine Souveränitätsfrage.
Offen, aber nicht herrenlos
Digitale Souveränität wird oft mit Abschottung verwechselt: alles im Inland bauen, alles im Inland speichern, ausländische Anbieter verbieten, um die Daten eine Grenze ziehen. Das ist eine schlechte Definition. Ein kleines Land wie die Schweiz kann und soll keine technologische Autarkie versuchen. Es wird fremde Chips, Software, Forschung, Modelle, Clouds und Dienste nutzen. Interdependenz ist nicht das Gegenteil von Souveränität. Unkontrollierbare Abhängigkeit ist es.
Für Wissen gilt dasselbe. Eine souveräne Wissensressource muss nicht geheim sein und nicht einmal beschränkt. Sie kann offen liegen, international lizenziert, für die Forschung genutzt, von kommerziellen KI-Systemen verwendet oder frei herunterladbar sein. Entscheidend ist, ob die verantwortliche Institution die Bedingungen der Bereitstellung noch bestimmen kann.
Der Unterschied liegt zwischen gewährtem Zugang und unkontrolliertem Abzug. Offenheit ohne Verfügung wird zum Abschöpfen. Schutz ohne Zugang wird zur Starre. Der brauchbare politische Raum liegt dazwischen.
Wenn Wissen als Rohstoff abfliesst
Man betrachte die Kette. Schweizer Steuerzahlende finanzieren Hochschulen, Rundfunk, Bibliotheken, Archive und wissenschaftliche Anstalten. Forschende erzeugen Wissen, Journalistinnen und Journalisten dokumentieren die Gesellschaft, Autorinnen und Autoren schreiben Bücher, Institutionen bewahren historische Bestände, Bürgerinnen und Bürger erzeugen Sprache, Kultur und Streit. Ein ausländisches Technologieunternehmen sammelt das ein und macht Trainingsdaten daraus. Die Daten verbessern ein proprietäres Modell. Das Modell wird zum Dienst. Schweizer Firmen, Behörden und Privatleute bezahlen anschliessend für den Zugang.
Die Gesellschaft der Schweiz erzeugt Wissen
↓
eine fremde Plattform zieht es ab
↓
daraus wird maschinelle Fähigkeit
↓
die Schweiz mietet diese Fähigkeit zurück
An internationalen Unternehmen, die von schweizerischem Wissen lernen, ist nichts grundsätzlich verkehrt. Wissen ist immer gereist; Wissenschaft, Kultur und das Netz hängen davon ab. Die Struktur sollte trotzdem bekannt vorkommen. Länder sind Varianten davon schon begegnet: Rohstoffe gehen hinaus, höherwertige Ware entsteht anderswo, das Fertige kommt zurück. Nur heisst der Rohstoff nicht mehr Erz, Öl oder Holz. Er heisst aufgehäuftes menschliches Wissen.
Zwei Jahrhunderte lang fragte Industriepolitik, wer Kohle, Stahl, Elektrizität, Öl, Fabriken und Verkehrswege kontrolliert. Die Intelligenzwirtschaft fügt eine weitere strategische Grösse hinzu: das Korpus.
Archive als Produktionsmittel
Das zwingt uns, den Zweck eines Archivs neu zu denken. Eine Nationalbibliothek bewahrt Bücher, weil Gesellschaften ihre geistige Geschichte überliefern wollen. Ein Rundfunkunternehmen bewahrt Aufnahmen, weil sie öffentliches Leben bezeugen. Ein Bundesarchiv bewahrt Akten, weil Behörden ein Gedächtnis brauchen. Eine Hochschule bewahrt Forschung, weil später Kommende darauf zugreifen sollen. Diese Zwecke bleiben. KI fügt einen hinzu: Dieselben Bestände können produktive Infrastruktur werden, weil sie Maschinen unterrichten. Qualität, Herkunft, Zugang und Steuerung werden damit ökonomisch relevant.
Die Schweiz sitzt bereits auf erheblichen Vorräten. Die Schweizerische Nationalbibliothek sammelt Bücher, Zeitungen, Zeitschriften, Karten, amtliche Publikationen, Websites und Bilder. Das Schweizerische Bundesarchiv bewahrt die dokumentarische Geschichte des Bundes. Hochschulen unterhalten Repositorien und Spezialsammlungen. Bibliotheken halten regionale Publikationen, Kantone und Gemeinden eigene Archive, Museen kulturelle Bestände. Die SRG hält Jahrzehnte audiovisuellen Materials; die Schweizerische Nationalphonothek bewahrt aufgezeichneten Ton; parlamentarische Protokolle bewahren politischen Diskurs; wissenschaftliche Institutionen halten Fachdatensätze, zu denen es womöglich nirgends ein Gegenstück gibt.
Einzeln sind das Archive. Zusammen sind sie Teil der Wissensinfrastruktur der Schweiz.
Nationale Wissensreserven
Die Schweiz versteht strategische Reserven. Wir unterhalten Systeme, die damit rechnen, dass kritische Güter — Nahrung, Treibstoff, Medikamente, Energie — ausfallen könnten. Das Ziel heisst nicht Selbstversorgung. Es heisst Widerstandsfähigkeit.
Künstliche Intelligenz legt ein verwandtes Konzept nahe: nationale Wissensreserven. Keine Staatsdatenbank, kein Wahrheitsamt, kein Zwangskorpus für das ganze Land und ganz sicher kein patriotisches Modell, das amtlich schweizerische Antworten ausspuckt. Eine nationale Wissensreserve wäre ein Steuerungskonzept. Sie würde kulturell, wissenschaftlich, sprachlich und institutionell bedeutsame Korpora benennen und dafür sorgen, dass die Schweiz dauerhaften, maschinenlesbaren Zugang zu ihnen behält.
Solche Reserven brauchen unterschiedliche Zugangsklassen. Ein Teil könnte vollständig offen sein, ein Teil der Forschung dienen, ein Teil lizenziert, ein Teil urheberrechtlich beschränkt, ein Teil datenschutzrechtlich gesichert — und ein Teil sollte überhaupt nie Trainingsmaterial werden. Souveränität heisst nicht unterschiedsloses Einschütten. Sie heisst, entscheiden zu können.
Auch das Korpus braucht einen Exit-Test
Infrastruktursouveränität hat eine einfache Probe: Könnten Sie weiterarbeiten, wenn Ihr Anbieter morgen verschwände? Dieselbe Frage gehört zur Wissensinfrastruktur der KI.
Angenommen, die Schweiz stützt sich stark auf ausländische Foundation-Modelle. Das kann vernünftig sein. Angenommen aber, diese Modelle werden unzugänglich, unerschwinglich, geopolitisch beschränkt oder kommerziell unbrauchbar. Könnten schweizerische Institutionen gegen Alternativen trainieren, anpassen oder suchen? Das hängt davon ab, ob wir die zugrunde liegenden Korpora halten, ob sie maschinenlesbar sind, ob ihre Herkunft bekannt ist, ob Lizenzen dokumentiert sind, ob die Nutzung rechtlich zulässig ist, ob sie zwischen Modellarchitekturen wandern können und ob die Metadaten existieren, ohne die sie stumm bleiben. Könnte ein anderer Anbieter sie nutzen? Ein offenes Modell? Ein künftiges schweizerisches Modell?
Lautet die Antwort nein, besitzen wir womöglich Archive, ohne KI-fähige Wissenssouveränität zu besitzen. Digitalisierung allein reicht nicht. Als Nächstes muss Wissen in maschinelle Systeme wanderfähig werden.
Herkunft wird zum Vorteil
Je mehr generiertes Material das Netz füllt, desto wertvoller wird Herkunft selbst. Ein Zeitungsarchiv von 1994, ein Parlamentsprotokoll von 1972, ein Radiointerview von 1961, eine 1987 gedruckte Fachzeitschrift, ein bei einer Nationalbibliothek hinterlegtes Buch: Bei jedem wissen wir ungefähr, wer es hergestellt hat, wann, in welcher institutionellen Lage und oft in welchem redaktionellen Gang.
Man vergleiche das mit einer beliebigen Seite, die 2031 auftaucht. Von einem Menschen geschrieben? Von einem Modell erzeugt? Von einem Modell, das auf den Ausgaben eines anderen Modells sass? Automatisch übersetzt? SEO-Müll? Kopiert, verbogen, aus etwas anderem rekonstruiert?
Die Frage ist nicht nur, ob eine Information stimmt. Die Frage ist, ob ihre Abstammung erkennbar bleibt. Archive besitzen damit eine weitere, knapper werdende Eigenschaft: verbürgte Herkunft. Die KI-Wirtschaft dürfte deshalb nicht Volumen prämieren, sondern Linie. Die Zukunft gehört vielleicht weniger denen mit den meisten Tokens als denen mit den glaubwürdigsten.
Warum die Ränder zählen
Deshalb zählen entlegene Bücher. Grosse Sprachmodelle bilden das Zentrum einer Verteilung glänzend ab: gängige Sprache, verbreitete Begriffe, oft wiederholtes Wissen. Kulturen bestehen aber nicht nur aus dem Häufigen. Sie leben auch in den Rändern — Dialekte, Minderheitensprachen, vergessene Fachwörter, Lokalgeschichte, technische Nischen, unmodische Ideen, kleine Gemeinschaften, seltene Berufe, alte Streitlagen, Dinge, die einmal gedruckt und online nie wiederholt wurden.
Wenn rekursiv erzeugter Text verstärkt, was Modelle schon für wahrscheinlich halten, werden diese Ränder wichtiger, nicht unwichtiger. Ein Korpus, das das Entlegene und das Ungewöhnliche enthält, ist nicht bloss umfangreicher. Es ist vielfältiger.
Bibliotheken passen deshalb ungewöhnlich gut in diesen Moment. Sie waren nie darauf gebaut, nur das Beliebte zu halten. Sie halten, was da war. Genau dieses Verhalten braucht eine Intelligenzinfrastruktur.
Wer bringt der Maschine die Schweiz bei?
Ein Kind, 2035 in Basel geboren. Will es die EWR-Abstimmung von 1992 verstehen, wird es kaum ein Zeitungsarchiv durchblättern; es wird eine Maschine fragen. Will es hören, wie im Berner Oberland vor fünfzig Jahren gesprochen wurde, wird es eine Maschine fragen. Will es wissen, warum die Schweiz Kernkraftwerke baute, wie das Frauenstimmrecht kam, was im Jurakonflikt geschah, wie sich die Industrie wandelte oder welche Argumente 2014 die Zuwanderung umstellten, wird es eine Maschine fragen.
Das Modell wird antworten. Woher sein Bild stammt, zählt mehr als die Flagge am Entwickler. Ein in Kalifornien gebautes Modell, das transparent in hochwertigen schweizerischen Quellen steht, kann besseres Schweizer Wissen liefern als ein in Zürich gebautes Modell ohne solche Quellen. Souveränität reduziert sich nicht auf den Sitz der Firma.
Wer bringt der Maschine die Schweiz bei?
Und wer verfügt über das Gedächtnis, aus dem sie lernt?
Keine amtliche Wahrheit
Sobald Regierungen «nationales Wissen» in den Mund nehmen, wird das Konzept rasch unbehaglich. Eine demokratische Wissensinfrastruktur darf nicht zur amtlichen Wirklichkeit werden.
Die Archive der Schweiz enthalten Uneinigkeit, und das ist eine Stärke: links und rechts, Stadt und Land, Bund und Kanton, deutschsprachig und französischsprachig, Mehrheiten und Minderheiten, Gewinner und Verlierer, treffende Prognosen und spektakuläre Irrtümer. Ein souveränes Korpus sollte diese Widersprüche halten.
Das Ziel ist nicht, Maschinen beizubringen, was die Schweiz denkt. So etwas gibt es nicht. Das Ziel ist, genug Spuren zu halten, damit Maschinen verstehen können, was die Schweiz gedacht hat. Der eine Ehrgeiz erzeugt Propaganda. Der andere bewahrt Gedächtnis.
Apertus ist ersetzbar
Man könnte die Ankündigung der SRG als Geschichte über Apertus lesen. Apertus kann gelingen. Es kann scheitern. Es kann ein wichtiges europäisches öffentliches Modell werden oder von etwas Besserem überholt werden. Modelle sind austauschbar: Architekturen wechseln, Parameterzahlen wachsen, Trainingsverfahren verbessern sich, die Front von heute wird zur Massenware von morgen.
Das Archiv ist in diesem Sinn nicht austauschbar. Siebzig Jahre Schweiz lassen sich nicht nachbauen. Interviews mit Verstorbenen lassen sich nicht regenerieren, historische Sendungen nicht nachträglich herstellen, authentisches rätoromanisches Radio von 1963 nicht erfinden, und ein Gespräch, das nur einmal stattfand, hat kein zweites Exemplar.
Modelle sind im Prinzip reproduzierbar. Geschichte ist es nicht.
Strategisch kann das Archiv deshalb dauerhafter sein als das Modell, das davon zehrt. Apertus ist in dieser Geschichte nicht der interessanteste Bestand. Das Korpus ist es.
Was sich nicht nachbauen lässt
Im laufenden KI-Boom haben wir die Hierarchie des Stacks meist so gelesen:
Chips → Rechenleistung → Modelle → Anwendungen → Daten
Die Jagd nach Büchern und Archiven legt eine andere Lesart nahe. Chips lassen sich erneut fertigen. Rechenkapazität lässt sich ausbauen. Modelle lassen sich neu trainieren, Software neu schreiben, Anwendungen ersetzen. Authentische historische Menschendaten lassen sich nicht nachschaffen. Jedes nie aufgezeichnete Gespräch ist fort. Jede entsorgte Lokalzeitung, jedes ohne Digitalisierung zerstörte Buch, jede nie bewahrte Dialektaufnahme kann fort sein. Manche Informationsressourcen sind faktisch nicht erneuerbar.
Daraus folgt eine Umkehrung. Die älteste Schicht des KI-Stacks könnte sich als die am schwersten reproduzierbare erweisen.
Das letzte menschliche Korpus
Die Menschheit wird nicht aufhören, authentische Kultur zu erzeugen. Menschen werden weiter Bücher schreiben, forschen, Filme drehen, reden und Kunst machen. Die informationelle Umgebung hat sich dennoch dauerhaft verschoben: menschliche und maschinelle Produktion vermischen sich zunehmend. Die saubere historische Trennung ist vorbei.
Alles, was vor generativer KI entstand, gehört deshalb einer eigenen Periode — nicht weil es besser wäre oder Menschen von Natur aus wahrhaftiger wären, sondern weil wir etwas Bestimmtes über die Herkunft wissen können. Es kam, bevor die Maschinen begannen, zurückzuschreiben.
Das gibt dem historischen Korpus eine neue technische Eigenschaft. Es ist nicht bloss alt. Es ist prägenerativ. So gelesen, wird die Jagd auf alte Bücher verständlicher — und mit ihr der Wert von Zeitungsarchiven, Radio, Bibliotheken und den Bändern der SRG.
Jahrzehnte lang haben wir diese Häuser als Orte gedacht, an denen menschliches Gedächtnis für Menschen lagert. Eine weitere Leserin ist da. Sie liest schneller, als ein Mensch es könnte, sie nimmt Millionen Dokumente auf, und was sie liest, wird mitbestimmen, was Milliarden später hören.
Was zu tun bleibt
Die Schweiz muss ihre Archive nicht schliessen. Sie sollte nahezu das Gegenteil tun: ihren Wert anerkennen, entschlossen digitalisieren, Originale halten, wo es angezeigt ist, Metadaten verbessern, Herkunft dokumentieren, Rechte klären, maschinenlesbaren Zugang bauen, transparente Lizenzen schaffen, Forschung stützen, offene Modelle ermöglichen, verantwortbare kommerzielle Nutzung zulassen, Personendaten schützen, Minderheitensprachen halten und irreversible exklusive Vereinnahmung verhindern.
Und vor allem: Spielraum behalten.
Die Frage ist nicht, ob schweizerisches Wissen künstliche Intelligenz trainieren soll. Es wird das tun. Die Frage ist, ob die Schweiz bewusst mitbestimmt, wie. Der Entscheid der SRG ist deshalb interessanter als eine Partnerschaft mit einem schweizerischen Modell: Er könnte eine frühe Einsicht sein, dass Kulturarchive zur technologischen Souveränität gehören.
Andere Häuser sollten hinsehen. Irgendwo anders wandert gerade wieder ein altes Buch vom Regal in einen Karton. Jemand hat begriffen, dass die vergessenen Teile menschlicher Kultur einen neuen Preis haben. Die Intelligenzwirtschaft sucht Rohstoff. Ein Grossteil lag die ganze Zeit still in unseren Bibliotheken.
Fazit — Gedächtnis ist Infrastruktur
Dreissig Jahre lang haben wir Kultur digitalisiert, weil Maschinen Menschen beim Finden helfen sollten. Die nächsten dreissig verbringen wir vielleicht mit der Einsicht, dass wir Kultur digitalisiert haben, damit Maschinen sie lernen können.
Das muss nicht Schrecken erzeugen. Maschinen mit Zugang zu Jahrhunderten menschlichen Wissens könnten entlegene Forschung auffindbar machen, Minderheitensprachen stützen, zersplitterte Bestände wieder verbinden, vergessene Texte übersetzen und gewöhnlichen Leuten Sammlungen öffnen, die zuvor nur Fachleuten offenstanden. Gerade deshalb wird Steuerung wichtiger, nicht unwichtiger.
Die strategische KI-Debatte muss sich deshalb über GPUs, Rechenzentren, Cloud-Souveränität, Foundation-Modelle und Inferenz hinaus erweitern. Unter all dem liegt eine weitere Schicht: das Gedächtnis. Länder, die das früh verstehen, bauen nicht zwingend die grössten Modelle. Sie halten möglicherweise etwas Dauerhafteres — die Fähigkeit zu entscheiden, wie ihr aufgehäuftes Wissen an der Intelligenzwirtschaft teilnimmt.
Denn die strategische Frage lautet nicht mehr nur, wem das Modell gehört.
Wem gehört das Gedächtnis, aus dem das Modell lernt?
Und wer darf entscheiden, was damit geschieht?
Quellen
-
404 Media, 17. August 2026 — We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility Primärrecherche: Ein Tracker in einer anonymen Bestellung von rund 1000 Büchern erreichte Amazons Anlage VGT3 in Las Vegas; Mitarbeitende beschrieben, dass Bücher von der Bindung befreit und gescannt werden. Amazon bestätigte, Bücher über kommerzielle Kanäle zu erwerben, um Produkte und Dienste zu entwickeln und zu verbessern. 404 Media
-
Forbes, 17. August 2026 — AI Companies Are Buying and Destroying Antique Books. Here's Why Sekundärberichterstattung derselben 404-Media-Recherche, einschliesslich der verfolgten Sendung und des Kontexts von Project Panama. Forbes