Maschinen kann man patentieren und lizenzieren, die Rohstoffe, die sie verarbeiten, in der Regel nicht. Doch das ändert sich in diesen Tagen, in denen Daten zum wichtigsten Rohstoff werden.
Wenn ein autonom fahrendes Auto ein anderes Fahrzeug erkennen oder eine Bankensoftware betrügerische Transaktionen aufdecken soll, dann können diese Systeme nicht jede denkbare Erscheinungsform eines Autos bei jedem Licht, aus jedem Winkel oder alle möglichen Ausgaben eines Kunden auswendig lernen. Dafür gäbe es viel zu viele Möglichkeiten. Stattdessen lernen sie, Muster zu erkennen, indem sie mit möglichst vielen Beispielen trainieren. Die Beispiele stecken in Daten. Die Software für das maschinelle Lernen – Deeplearning4, ELKI, GNU R, KNIME – ist oft schon Open Source. Die Daten sind es oft noch nicht.
Unfreie Daten – dieses Manko betrifft nicht nur Daten im Umfeld der Künstlichen Intelligenz, sondern genauso sehr viele andere Daten, die aus unterschiedlichen Gründen der Allgemeinheit zur Verfügung stehen sollten. Zum Beispiel, weil sie mit öffentlichen Mitteln gewonnen wurden, wie viele Daten der Verwaltung, des Verkehrswesens, der öffentlich geförderten Forschung. Oder weil sie Dinge beschreiben, die allen gehören, wie Geodaten oder Wetter- und Klimadaten. Oder weil sie ohne Zusatzkosten in Lehre und Ausbildung verwandt werden sollen. In allen diesen Fällen haben freie Daten dieselben Vorteile wie freie Software: Eine große Community kann sie testen, gegebenenfalls korrigieren und erweitern. Aber nicht nur Qualität und Quantität der Daten verbessern sich so, sie wären auch besser geschützt vor Manipulation, weil sie häufiger begutachtet würden. Gleichzeitig beugen die Anwender so einer Abhängigkeit von proprietären Datenlieferanten vor.
Außer dem guten Willen ist für freie Daten auch eine passende Lizenz Voraussetzung. Verwendbare Lizenzen gab es bereits, zum Beispiel Creative Commons. Nun aber hat die Linux Foundation zwei von Anfang an speziell für Daten entwickelte freie Lizenzen vorgestellt. Das meldete in der letzten Woche Golem. Das Community Data License Agreement (CDLA) soll Anwendern eine neues und einfaches Framework für das Teilen von Daten und ihre freizügige Nutzung bieten. Mit CDLA-Sharing und CDLA-Permissive enthält das Agreement zwei Lizenzen von denen die eine eine Copy-left-Lizenz nach Vorbild der GPL ist, und die ander eher einer MIT-Lizenz ähnelt und die Nutzung ohne die Verpflichtung zur Rückgabe der Änderungen erlaubt. Damit sollten die allermeisten Fälle abgedeckt sein. Die Schöpfer hatten gerade auch solche Daten im Hinterkopf, die künftig in riesigen Mengen anfallen werden, etwa im Internet der Dinge.
Das können auch personenbezogene Daten sein und genau da verläuft auch die Grenze der CDLA: Sie kann nicht regeln, welche Daten aus rechtlicher Sicht überhaupt gesammelt werden dürfen oder welche Folgen es für den einzelnen hat, wenn er ihrer Weitergabe zustimmt. Das ist die Verantwortung jedes Datensammlers und jedes Nutzers. Wo Daten aber in Zukunft legal und einvernehmlich gesammelt werden, lassen sie sich auf Basis dieser Lizenzen kostenfrei von jedermann nutzen.
Rück-Sichts-voll
Jens-Christoph Brendel
