OpenAI trainiert nicht mehr am Live-Internet

OpenAI hat sich einem Bericht zufolge dazu entschieden, seine KI-Modelle nicht mehr am Live-Internet zu trainieren, und verweist auf erhebliche Risiken. Damit bekommen Frontier-Modelle während des Trainings keinen fortlaufenden Web-Zugang mehr – eine spürbare Abkehr von einem Ansatz, der großen Systemen bisher geholfen hat, frische Informationen und aktuelle Ereignisse aufzunehmen. Die Entscheidung fällt nur wenige Wochen, nachdem ein OpenAI-Ingenieur laut Bericht argumentiert hatte, eine solche Live-Web-Trainingslösung funktioniere nicht. Das deutet auf interne Debatten darüber hin, wie sich sicherere und verlässlichere Modelle bauen lassen. Der Schritt wirft praktische Fragen auf. Können Modelle nicht mehr während des Trainings vom Live-Internet lernen, brauchen Entwickler sorgfältig kuratierte Datensätze, regelmäßige Snapshots und alternative Pipelines, um das Wissen aktuell zu halten. Das kann Kontrolle und Reproduzierbarkeit verbessern, dürfte aber auch dazu führen, dass Modelle Breaking News oder neue Sprachgewohnheiten langsamer abbilden. Auch Lizenzierung und Datenschutz spielen eine Rolle: Web-Daten können urheberrechtlich geschütztes Material, persönliche Informationen und gezielt platzierten Schadinhalt enthalten, der das Modellverhalten manipulieren soll. Als Hauptmotiv gilt die Sicherheit. Live-Internet-Zugang setzt Trainingssysteme Seiten mit vergifteten Inhalten, schädlichen Anweisungen, Betrugsversuchen und privaten Daten aus, die nicht hätten ingestiert werden sollen. Indem OpenAI vom kontinuierlichen Web-Training Abstand nimmt, lassen sich diese Risiken verringern – starke Filter und Monitoring bleiben für alle verwendeten Daten trotzdem nötig. Die Entscheidung zeigt auch eine grundsätzliche Spannung in der KI-Entwicklung. Unternehmen wollen Modelle, die viel wissen und aktuell sind, müssen aber Aktualität gegen Sicherheit, rechtliche Risiken und Qualitätskontrolle abwägen. Wie OpenAI mit diesem Trade-off umgeht, dürfte künftige Modell-Releases prägen und könnte beeinflussen, wie andere Labs ihre Trainingsdaten auswählen.