Wessen KI? Warum „Public Interest AI“ den Journalismus nicht rettet – aber helfen könnte.

Von Leif Kramp

Im Juli 2023 schloss die Associated Press eine Kooperation, die in der Branche rasch als wegweisend gefeiert wurde: Die älteste und größte Nachrichtenagentur der USA lizenzierte große Teile ihres Textarchiv an OpenAI – Jahrzehnte sorgfältig recherchierter Nachrichten, verfasst von Tausenden Journalist:innen weltweit. Finanzielle Details wurden nicht veröffentlicht. AP erhielt unter anderem Zugang zu OpenAIs Technologie und Produktunterstützung.

Wenige Jahre später ist eine solche Kooperation längst keine Ausnahme mehr: Axel Springer folgte, und auch News Corp schloss vergleichbare Lizenzabkommen mit OpenAI, darunter für Inhalte vom „Wall Street Journal“ und der „Sunday Times“. Das Muster ähnelt sich: Verlage geben Inhalte, bekommen Technologie, aber haben keine Mitsprache darüber, wie ihre Texte die großen Sprachmodelle trainieren, wofür diese eingesetzt werden und ob sie ihnen morgen oder übermorgen sogar schaden könnten.

Vor diesem Hintergrund wirkt die Debatte um „Public Interest AI“ teils überfällig, teils seltsam entrückt, denn schon heute erscheinen KI‑Infrastrukturen, die nicht auf die Rendite einzelner Konzerne zielen, sondern auf das Gemeinwohl, frappierend irreal. KI ist aktuell vor allem dreierlei: nicht transparent, nicht demokratisch kontrolliert und alles andere als fair zugänglich. Was für den Journalismus wie eine ersehnte Gegenbewegung klingt, damit Redaktionen KI nutzen können, ohne ihre Unabhängigkeit bei globalen Plattformen zu verpfänden, ist leider noch Utopie. Allein geschäftlich verspräche eine gemeinwohlorientierte KI-Infrastruktur viele Perspektiven: Medienhäuser könnten Lizenzen kollektiv aushandeln, statt einzeln bei Big Tech vorstellig zu werden. Sie könnten Trainingsdaten als Ressource der Öffentlichkeit begreifen, statt in unsichere Tauschgeschäfte einzuwilligen.

KI übt längst die ökonomische Belastungsprobe

Um zu verstehen, warum Public Interest AI im Journalismus keine Luxusdebatte ist, reicht ein Blick auf die Suchmaschine, die für einen Großteil über mehr als zwei Jahrzehnten zum Tor zur Welt geworden ist: Google. Seit 2024 ergänzt Google klassische Trefferlisten um KI‑Zusammenfassungen, die bei einer wachsenden Zahl an Suchanfragen zentrale Informationen liefern, ohne dass Nutzende eine einzige Website anklicken müssen. Im ersten Quartal 2026 endeten bereits 65 Prozent aller Google‑Suchen als „Zero Clicks“ – ohne Besuch der Seiten, auf denen der gesuchte Inhalt veröffentlicht wurde.

Für die Nachrichtenindustrie ist das mindestens so einschneidend wie die Abwanderung von Aufmerksamkeit zu Social Media. Die Reichweitenverluste innerhalb eines Jahres übersteigen mancherorts ein Viertel, im prominenten Fall von CNN sogar annähernd 40 Prozent. Hinter der freundlichen Oberfläche der allwissend anmutenden Antwortbox steht ein ökonomischer Umbau: Wertschöpfung verschiebt sich weg vom journalistischen Inhalt hin zur Infrastruktur, die ihn nicht nur aggregiert, sondern zunehmend selbst distribuiert.

In der Praxis bedeutet das: Das Modell, das gerade die Eilmeldung der „Tagesschau“ zusammenfasst, wurde mit Inhalten von tagesschau.de trainiert. Es gibt diese Inhalte weiter, ohne dass das Publikum noch die Originalwebsite besucht – und ohne dass die Redaktion kontrollieren könnte, ob die Zusammenfassung korrekt, vollständig oder kontextuell verantwortbar ist. Ähnliche Mechanismen greifen, wenn Menschen sich ohnehin direkt an KI‑Assistenten wenden, um Nachrichten ,in eigenen Worten‘ erklärt zu bekommen. Eine große, von BBC und Europäischer Rundfunkunion koordinierte Studie mit 22 öffentlich‑rechtlichen Sendern in 18 Ländern hat 2025 gezeigt, dass solche Assistenten in 45 Prozent der Fälle wesentliche Fehler machen; in 31 Prozent fehlten oder verzerrten sie Quellenangaben. Für den Journalismus ist das ein doppeltes Problem: Er verliert nicht nur Zugänge zum Publikum, sondern auch die Deutungshoheit über das eigene Material.

Genau diese Asymmetrie könnte Public Interest AI korrigieren. Die 2025 in Paris gegründete Initiative „Current AI“ versucht etwa, eine eigene Infrastruktur für gemeinwohlorientierte KI aufzubauen: finanzielle Mittel von Regierungen, Stiftungen und Tech‑Unternehmen sollen offene Datensätze, Werkzeuge und Rechenkapazitäten bereitstellen, die nicht allein auf Unternehmensinteressen zugeschnitten sind. Medienorganisationen sollen ihre Inhalte gebündelt lizenzieren und gegenüber KI‑Anbietern gemeinsam verhandeln können, in der Hoffnung, aus der Vereinzelung auszubrechen, für die der AP‑Deal noch stand. Ob solche Experimente am Ende mehr sind als nur ein stabilerer Verhandlungstisch, ist offen. Aber sie markieren, dass es bei Public Interest AI nicht nur um Interface‑Fragen geht, sondern um die Infrastruktur darunter.

Ungelöste Probleme

Die Vorstellung einer Gemeinwohl‑KI klingt tröstlich, stößt in der Praxis aber auf Hürden, die den Optimismus dämpfen. Allen voran die Governance‑Frage: Wer kontrolliert eine Infrastruktur, die im Namen des ,öffentlichen Interesses‘ operiert? Wenn der Staat zu stark eingreift, droht bei journalistischen Anwendungen der Verdacht politischer Einflussnahme auf redaktionelle Werkzeuge. Selbst öffentlich‑rechtliche Anstalten wären davor nicht gefeit: Auch sie können technokratische Steuerungslogiken ausbilden, die redaktionelle Freiheit nicht stärken, sondern einhegen.

Hinzu kommt die infrastrukturelle Abhängigkeit Europas. Selbst vermeintlich ,offene‘ Modelle laufen meist auf proprietären Cloud‑Diensten wie AWS, Azure oder Google Cloud. Der Großteil der europäischen Cloud‑ und Softwareausgaben fließt an US‑Anbieter – wer ein europäisches Open‑Source‑Modell nutzt, ist damit längst nicht unabhängig von US‑Tech‑Giganten. In Ländern mit fragiler Demokratie wirkt diese Abhängigkeit noch drastischer: Eine Studie aus dem Kontext des Berichts „Public interest infrastructure“ von International Media Support zeigt am Beispiel Myanmar, wie sich militärische Kontrolle über Glasfaserkabel, Netzbetreiber und Plattformen beinahe nahtlos in die Kontrolle über lokale Medien und Öffentlichkeit übersetzen lässt. Öffentlichkeit hängt dort buchstäblich an Leitungen und Servern, die in Krisenmomenten abgeschaltet oder manipuliert werden können.

Nachhaltigkeit ist die nächste Sollbruchstelle. Gemeinwohlorientierte KI‑Projekte sind in der Regel projektfinanziert. Selbst wenn sie die Anfangsphase überstehen, scheitert die Verstetigung oft nach wenigen Jahren, weil Förderprogramme auslaufen oder Prioritäten wechseln. Die europäische Philanthropie im Feld digitaler Infrastruktur ist fragmentiert, Beträge sind klein, langfristige Verpflichtungen selten. Für Medienhäuser, die auf Public‑Interest‑Projekte setzen, entstehen damit neue paradoxe Abhängigkeiten: Wer ein redaktionelles System auf eine fragil finanzierte Plattform stützt, riskiert, dass mit dem nächsten Förderloch nicht nur ein Tool verschwindet, sondern aufwendig etablierte Workflows, Datenbestände und Publikumszugänge. Gemeinwohlorientierung wird so zur Wette auf die Stabilität von Institutionen, die heute meist schwächer sind als die Tech‑Konzerne, denen sie etwas entgegensetzen sollen.

Druckpunkte

Wie also müsste eine gemeinwohlorientierte KI beschaffen sein, damit sie dem Journalismus und damit der Gesellschaft tatsächlich nützt – und nicht nur als wohlklingender Gegenbegriff zu „Big Tech“ dient? Drei Dimensionen drängen sich auf: Wer kontrolliert die Systeme? Wer stellt die Infrastruktur bereit? Und wer kann sie dauerhaft pflegen? Ohne gemeinsame Governance, auf proprietärer Infrastruktur und mit intransparenten Trainingsdaten bleibt Gemeinwohlorientierung eine Behauptung. Eine Variante im Interesse der Allgemeinheit sähe eher aus wie eine Verwertungsgesellschaft für KI, an der journalistische Angebote aktiv beteiligt sind: kollektiv organisiert, mit verlässlicher Dokumentation der Datenherkunft, mit Vergütungsmodellen, die auch kleinere Redaktionen einbeziehen, und mit institutioneller Absicherung jenseits von Projektlaufzeiten.

Es gibt erste Anläufe, in diese Richtung zu denken. Die Pläne für einen „Press Freedom AI Commons“ einer Initiative um das International Press Institute mit Sitz in Wien etwa zielen darauf, das umfangreiche IPI‑Archiv – Jahrzehnte dokumentierter Pressefreiheitsverletzungen weltweit – zu digitalisieren, als KI‑fähigen Datensatz aufzubereiten und unter gemeinschaftlicher Governance verfügbar zu machen. Die Idee: Aus einem schwer zugänglichen Papierarchiv wird ein digitaler Commons, mit dessen Hilfe sich Muster von Repression und Widerstand untersuchen lassen und auf dessen Nutzung Regeln gelten, die von Journalist:innen, Forscher:innen und zivilgesellschaftlichen Akteur:innen gemeinsam ausgehandelt werden. Solche Modelle betreffen nicht nur Daten im engeren Sinne, sondern auch die Frage, wem das historische Gedächtnis des Journalismus gehört und auf welcher Infrastruktur darüber geforscht werden kann.

Während auf europäischer Ebene längst darüber diskutiert wird, wie digitale Commons als öffentliche Infrastruktur organisiert werden können, bewegt sich die alltägliche Medienpolitik in Deutschland noch im Rahmen bestehender Plattformlogiken. Branchenverbände wie der Bundesverband Digitalpublisher und Zeitungsverleger (BDZV) oder die Gewerkschaft ver.di konzentrieren ihre Forderungen im Kontext von KI vor allem auf Compliance, Haftung und faire Vergütung innerhalb proprietärer Systeme. Wer nach strukturellen Alternativen sucht, wird dort bislang kaum fündig.

Gleichzeitig zeigen einzelne Medienhäuser, dass sie durchaus eine andere Rolle einnehmen könnten. Der von BBC und EBU koordinierte Bericht „News Integrity in AI Assistants“ beließt es nicht bei (ernüchternden) Ergebnissen, sondern brachte ein Toolkit hervor, mit dem Redaktionen systematisch testen können, wie gut KI‑Assistenten mit Nachrichten umgehen – nach Kriterien wie Genauigkeit, Kontext, Transparenz und Trennung von Nachricht und Meinung. In Verbindung mit offenen Benchmark‑Ansätzen aus der Forschung, etwa dem „Journalism Benchmark Cookbook“, ließe sich daraus ein gemeinsames Instrumentarium für Qualitätskontrolle entwickeln, das nicht einem einzelnen Anbieter gehört. Eine solche Prüf‑Infrastruktur wäre selbst ein Stück Public Interest AI: ein Werkzeug, das Journalismus im Umgang mit KI stärkt, statt ihn von ihr abhängig zu machen.

All das spricht natürlich deutlich für eine konzertierte Förderung einer, nein: vieler Gemeinwohl-KIs. Gemeinwohlorientierung ist aber kein technisches Merkmal, sondern das Ergebnis von Aushandlungsprozessen, Entscheidungskaskaden und materiellen Ressourcen hinsichtlich der Frage, wer welche Infrastruktur bezahlen und kontrollieren kann.

Das Gemeinwohlerschwernis

Warum ist es so mühsam, Gemeinwohlorientierung in der digitalen Infrastruktur tatsächlich durchzusetzen? Ein Grund mag in der Ökonomie der Netze liegen: Infrastruktur erfordert hohe Fixkosten, skaliert dann aber mit geringen Grenzkosten – ein ideales Feld für Oligopole. Wer Rechenzentren, Glasfasernetze und Plattformökosysteme bezahlt, wähnt sich schnell in einer Machtposition, die sich nur noch schwerlich mit regulativen Auflagen oder aber Förderung von Alternativen neutralisieren lässt. Gemeinwohlorientierte Lösungen haben dem selten etwas Wirksames entgegenzusetzen.

Ein zweiter Grund ist politisch: Infrastrukturpolitik gilt gern als technische Spezialmaterie, wird delegiert an Expert:innenkreise, Standardisierungsgremien, Regulierungsbehörden. Dort entscheidet sich, auf welchen Protokollen, mit welchen Interoperabilitätsregeln und unter welchen Datenschutz‑ und Wettbewerbsbedingungen öffentliche Kommunikation künftig stattfindet. Werden Medienfreiheit, Informationszugang und Gemeinwohl dort nicht von Anfang an mitgedacht, werden sie von anderen, relevanten Projektionen wie ‚Effizienz‘, ‚Innovation‘ oder ‚Standortvorteile‘ verdrängt. Veranstaltungen wie die Session „Affordable and Secure Digital Infrastructure for Media and Journalists“ im Umfeld des von den Vereinten Nationen initiierten WSIS‑Prozesses („World Summit on the Information Society“) zeigen zwar, dass es auf spitzenpolitischer Ebene ein Bewusstsein für die Zusammenhänge digitaler Klüfte, Informationsfreiheit und internationaler Zusammenarbeit gibt. Sie verdeutlichen aber auch, wie stark Medienfreiheit von breiteren und nicht selten zähen Debatten über Digital Public Infrastructure abhängt.

Und schließlich ist Gemeinwohlorientierung mühsam, weil sie demokratische Verfahren braucht, die Zeit kosten: transparente Governance‑Modelle, in denen Redaktionen, Zivilgesellschaft, Forschung und manchmal auch Staaten gemeinsam über Ziele und Grenzen von Infrastrukturen entscheiden; Rechenschaftspflichten, die über freiwillige Transparenzberichte hinausgehen; und Prüfmechanismen, die unabhängig von den Firmen sind, deren Produkte sie überprüfen. Solche Modelle lassen sich nicht ohne weiteres in Quartalszahlen übersetzen. Das macht sie in einem datengetriebenen Plattformkapitalismus so fragil.

Für den Journalismus ist das mehr als ein Branchenproblem: Wo öffentliche Kommunikation zunehmend über proprietäre, intransparente Systeme läuft, geraten demokratische Prozesse selbst in Schieflage. Wenn KI‑Assistenten Nachrichten verzerren, aber ein wachsender Teil der Bevölkerung ihnen vertraut, wird die öffentliche Meinungsbildung anfällig für systemische Fehler. Wenn lokale Medien von Plattformen abhängen, die ihre Reichweite nach Geschäftsinteressen justieren, verschwinden Themen und Perspektiven aus dem Blick der Öffentlichkeit, bevor sie überhaupt bestritten werden können. Und wenn Minderheitensprachen in KI‑Modellen kaum vorkommen, weil ,zu wenig Daten‘ vorhanden sind, drohen ganze Bevölkerungsgruppen in der vermeintlich globalen Informationsordnung unsichtbar zu werden.

Ein ernst gemeintes Konzept von Public Interest AI muss deshalb dort ansetzen, wo es wehtut: bei langfristig belastbaren Fördermaßnahmen, die Infrastruktur jenseits von Projektlogik tragen, bei digitalen Gemeingütern, in denen Medien als essentieller Bestandteil der Informationsgesellschaft mitgestalten; und bei Governance‑Arrangements, die eine Machtakkumulation von globalen Konzernen von vornherein begrenzen. Die Frage, wer die Infrastruktur kontrolliert, auf der öffentliche Kommunikation künftig stattfindet, wird auf diese Weise zum Lackmustest für die Frage, wie bereit und fähig eine Gesellschaft ist, in ihre eigene demokratische Öffentlichkeit zu investieren.

Bildnachweise: DALL-E / VOCER-Institut für Digitale Resilienz