KI |

Der Zaun, nicht das Feuer

Sun, 06 Sep 2026 00:00:00 +0000

In einer Lagerhalle in North Las Vegas betreibt Amazon eine Maschine, die gebrauchten Büchern den Rücken abschneidet. Die losen Blätter wandern durch einen Scanner, das Papier danach in die Altpapierpresse. Die sah darin eine Bücherverbrennung unserer Tage und ließ kein Klischee aus: Anspielungen auf Savonarola, Symbolfotos vermeintlich seltener Bücher und, versteht sich, der Scheiterhaufen auf dem Berliner Opernplatz. Die seriösen Blätter blieben erwartungsgemäß kühler, ließen denselben Vergleich aber im Raum stehen. Bei aller Entrüstung gehen diese Artikel mit der KI-Industrie erstaunlich schonend um. Wer soll über das Wissen verfügen, das da gescannt wird? Diese Frage muss warten, bis wir den Unfug von der Bücherverbrennung abgeräumt haben.

Ein Scanner ist kein Scheiterhaufen

Dass ein physisches Exemplar zerstört wird, macht destruktives Scannen noch lange nicht zum modernen Gegenstück von Savonarolas Scheiterhaufen oder der Bücherverbrennung der Nazis. Jene Akte bezogen ihren Sinn daraus, was verdammt wurde und weshalb. Der arme Mönch Savonarola, der in jede Debatte über Bücherverbrennungen hineingezerrt wird, forderte die Leute auf, einen Teil ihres Besitzes als öffentlichen Bußakt zu verbrennen. Die Scheiterhaufen der Nazis inszenierten eine Verstoßung anderer Art: Wer die Bücher öffentlich verbrannte, erklärte damit, dass ihre Verfasser im deutschen Kulturleben nichts mehr zu suchen hätten. In beiden Fällen war die Zerstörung eine Geste. Destruktives Scannen, in der Digitalisierung ein gängiges Verfahren, dient einem anderen Zweck: Das Exemplar wird geopfert, damit sein Inhalt bleibt. Das Buch wird vernichtet, der Text entmaterialisiert. Wer nach Fahrenheit 451 greift, möge sich erinnern, dass Bradburys Feuerwehrleute den Text nicht für später aufhoben.

schürte die Aufregung, indem es „seltene Bücher“ in die Schlagzeile hob – eine Formel, die andere Medien brav nachbeteten. Dabei sagte ein Buchhändler, den die Recherche selbst zitiert, diese Großbestellungen hätten ; es geht also überwiegend um Ausgaben, die seit Einführung der ISBN um 1970 erschienen sind. Das ist die Ware der Flohmärkte und Wohltätigkeitsläden, die oft schon beim nächsten Ausmisten im Altpapier landet. Bevor man die Kulturkatastrophe ausruft, könnte man in den Bibliothekskatalog schauen: Genau für solche Publikationen gibt es Pflichtexemplarbibliotheken. Zugegeben, eine ISBN bürgt nicht für ein erhaltenes Pflichtexemplar – aber Knappheit auf dem Gebrauchtmarkt beweist auch nicht, dass ein Text verschwunden ist.

Beim Einstampfen geht das physische Exemplar verloren, mit allen Widmungen und Marginalien. Exemplare mit historisch bedeutsamen Anmerkungen oder Provenienzen sollten erkannt und bewahrt werden, am besten, bevor sie auf dem Gebrauchtmarkt landen. Man darf sich auch sorgen, dass die gedruckten Exemplare vergriffener Titel knapper werden. Dann aber müsste man ebenso fragen, warum die Rechteinhaber sie weder nachdrucken noch den Zugang zu bereits vorhandenen digitalen Faksimiles freigeben. Forschende kennen den Ärger: Google Books findet die gesuchte Stelle und zeigt dann einen Schnipsel aus einem Buch, das man weder neu kaufen noch online lesen kann. Hier gibt es Verluste, über die sich streiten lässt. Aus einem Scanner machen sie keinen Nazi-Scheiterhaufen.

Der Buchhandel wiederum stampft unverkaufte Bücher seit jeher routinemäßig ein. Allein in Frankreich wurden , rund 60 Prozent dessen, was als Remittenden an die Auslieferungen zurückging. Das nennt man Lagerbereinigung. Überschüssige Exemplare und rare Gebrauchttitel werfen je eigene Fragen des Zugangs auf; Papier zu vernichten ist aber für sich genommen weder Zensur noch Tyrannei.

Mehr Bücher, bessere KI?

Dass KI-Unternehmen Bücher kaufen und scannen, ist in Wahrheit eine gute Nachricht. Eine Technologie, der man ständig ihr flaches Verständnis menschlicher Kultur vorhält, eignet sich mehr davon an – man hätte erwarten dürfen, dass die Wissenschaft das begrüßt.

Das Web ist ein dürftiger Ersatz für das aufgehäufte Schriftgut einer Sprache. Ein großer Teil ihres aufgezeichneten Lebens, von Romanen und Memoiren bis zu populären Liedern und transkribierten Gesprächen, hat den Weg vom Druck ins Netz nie gefunden. Viele dieser Bücher haben ihre Verlage überlebt. Sie in Trainingsdaten aufzunehmen zählt dort am meisten, wo sonst wenig vorhanden ist. Ein paar englische Bücher mehr bringen vielleicht geringfügige Verbesserungen; in einer schwach vertretenen Sprache können dieselben Bücher den Unterschied zwischen einem brauchbaren und einem unbrauchbaren System ausmachen. Ob diese Werkzeuge in unsere öffentlichen Dienste oder in unseren Alltag gehören, ist eine Frage der öffentlichen Debatte. Wo immer wir uns aber für sie entscheiden, sollten wir sie in unserer eigenen Sprache benutzen können.

Was sprachlich auf dem Spiel steht, zeigen die aus Spanien und den Niederlanden gemeldeten Bestellungen. Im Mai berichtete von einem Buchhändler in Badalona, der wiederholt Bestellungen erhielt, vor allem für katalanische Sachbücher: Geschichtswerke, technische Handbücher, alte Tagungsbände. Im August meldeten niederländische Medien eine Anfrage an De Slegte über . Die Sprache dieser Bücher verdient mindestens so viel Aufmerksamkeit wie das Schicksal ihrer Einbände. Von der Daily Mail mag das zu viel verlangt sein; aber auch die nüchterneren Blätter hatten zu den betroffenen Sprachen wenig zu sagen.

Auch Lizenzverträge mit großen Verlagen können wertvolles Material liefern, doch deren digitale Kataloge decken nur einen Bruchteil dessen ab, was je gedruckt wurde. Bücher, die nie digitalisiert wurden oder deren Rechte der Verlag nicht mehr hält, gehören nicht zum Angebot. Selbst der großzügigste Lizenzvertrag kann nicht für die Geschichte des Verlagswesens einstehen, geschweige denn für die Geschichte einer Kultur. Gebrauchte Exemplare zu kaufen ist ein Weg, über diese kommerziellen Grenzen hinauszureichen.

„Diebstahl“ ist kein Argument

Von „Diebstahl“ zu reden hilft ebenso wenig. Im Juni 2025 befanden zwei US-Bezirksgerichte, dass die Nutzung von Büchern zum Training von Sprachmodellen in den ihnen vorliegenden Fällen unter Fair Use fällt. In hob das Gericht den transformativen Charakter des Trainings hervor: Die Bücher dienten dazu, ein System zu bauen, das neuen Ausdruck hervorbringen kann. Modelle können sich Passagen merken, doch ein Buch zum Training zu verwenden macht nicht den ganzen Text auf Abruf verfügbar. Umgekehrt erledigt das Fehlen wörtlicher Wiedergabe nicht jeden Einwand. In warnte der Richter, KI-generierte Werke könnten den Markt überschwemmen, und Belege für einen solchen Schaden könnten eine Fair-Use-Verteidigung zu Fall bringen; nur hatten diese Kläger für einen solchen Schaden an ihren eigenen Werken keine belastbaren Belege beigebracht. Keines der beiden Urteile stellt den KI-Unternehmen einen Freibrief aus oder entscheidet den ethischen Streit. Beide verlangen von uns zu unterscheiden, wie Bücher beschafft, wie Kopien aufbewahrt werden und was das Training mit ihnen anstellt. Wer das alles „Diebstahl“ nennt, lässt diese Fragen offen.

Nebenbei liefert das Anthropic-Urteil auch die Begründung für die Guillotine. Das Gericht billigte die Digitalisierung gekaufter Exemplare und verwarf die Anhäufung raubkopierter Bücher in einer dauerhaften Bibliothek, für die das Unternehmen später . Die Digitalisierung ging unter anderem deshalb durch, weil jedes gedruckte Exemplar bei der Umwandlung zerstört wurde: Die digitale Kopie trat an seine Stelle und blieb im Haus. Eben jene Zerstörung, die manche so empört, half Anthropic zu belegen, dass sein Digitalisierungsprogramm Fair Use war. Kaufen, scannen, entsorgen – das war in diesem Fall ein rechtmäßiger Weg. Die Guillotine ist hier ein Werkzeug der Rechtstreue. Exemplare zu kaufen löst das Problem der Beschaffung; das Recht, das entstandene Korpus weiterzugeben, verschafft es für sich genommen niemandem.

Es gibt gute Gründe, sich eine KI zu wünschen, die aus mehr Sprachen, mehr Forschung und mehr von jener Welt schöpft, die es vor dem Internet gab. Diese Gründe verschwinden nicht, nur weil ein Unternehmen, das wir nicht mögen, darin ein Geschäft entdeckt hat.

Geliehene Empörung

Zurück also zur Daily Mail. Ihr Artikel gehört zu , einer Kampagne von Zeitungseigentümern und Verlagen, die für KI anstreben. Zwei bequeme Gleichsetzungen leisten die Arbeit: Big Tech steht für KI, die Rechteinhaber stehen für die britische Kreativität. Die Leser sollen die Kultur verteidigen, während die Verlage die Konditionen ihres Verkaufs aushandeln. Forschende, die die Geschichte weiterreichen, dürfen sich fragen, wessen Sache ihre Empörung dient.

Big Tech und die streiten um die Pacht, aber gegen den Zaun hat keiner von beiden etwas. Die Geschichte vom einsamen Autor, den ein Technologieriese ausplündert, verdeckt, was teure Lizenzverträge beiden Lagern bescheren: Die Verlage werden bezahlt, und Big Tech bekommt einen Markt, auf dem sich seine kleineren Konkurrenten den Wettbewerb nicht leisten können. Peter Thiel hat die Vorliebe des Silicon Valley unverblümter formuliert: .

Lizenzierung muss nicht darauf hinauslaufen. Erschwinglicher, nicht-exklusiver Zugang könnte kleineren Entwicklern helfen. Ein System aber, das jeden Neuling zwingt, mit den großen Rechteinhabern kostspielige Verträge auszuhandeln, macht die Kaufkraft zur Eintrittskarte. Eine Zahlung, die als Zugeständnis an die Kulturwirtschaft daherkommt, erkauft am Ende den Schutz vor künftigen Konkurrenten.

KI gehört nicht Big Tech

Dahinter steckt ein tieferes Problem. Zu viel KI-Kritik hält die größten kommerziellen Anbieter für das ganze Feld. Die Produkte beherrschen die Schlagzeilen; Forschung und Entwicklung jenseits dieser Konzerne geraten aus dem Blick. Ein nützlicheres Missverständnis könnte sich Big Tech kaum wünschen: Sein Anspruch, das Feld zu besitzen, wird zur Prämisse der Kritik, die sich gegen ihn richtet. Das Monopol ist noch nicht unter Dach und Fach. Wer so tut, als wäre es das, erweist diesen Unternehmen einen gewaltigen Gefallen.

Open-Source-KI erlaubt es, Systeme zu bauen und anzupassen, die der Vielfalt von Sprachen, Kulturen und Ausdrucksformen besser gerecht werden. Für die Länder Europas, Afrikas und Lateinamerikas ebenso wie für Südkorea, Japan und Indien ist das eine handfeste Grundlage technologischer und kultureller Souveränität: selbst zu bestimmen, wie Systeme arbeiten, welchen Sprachen sie dienen und wo sie zum Einsatz kommen. Ob man KI nutzt und wozu, sollte eine öffentliche Entscheidung bleiben – keine, die die Abhängigkeit von einem ausländischen Lieferanten diktiert.

Doch die Freiheit, ein System zu verändern, ist wenig wert ohne die Mittel dazu. Unabhängige Arbeit braucht Fachwissen, Rechenkapazität und Zugang zu Trainingsmaterial. Womit wir wieder bei den Büchern wären. Muss jedes Forschungsteam und jede öffentliche Einrichtung eigene Verlagsverträge aushandeln oder eine eigene Privatbibliothek zusammentragen, bleibt Unabhängigkeit ein Privileg derer, die sie sich leisten können.

Die Bücher sind längst da

Bibliotheken und Archive haben über Generationen genau das Material gesammelt, das diese Systeme brauchen. Ihre Bestände gibt es, weil der Zugang zum Wissen das kommerzielle Interesse an seinem Verkauf überdauern soll. Vieles ist längst gescannt: hält rund neunzehn Millionen digitalisierte Bände aus Forschungsbibliotheken, viele davon noch urheberrechtlich geschützt. Eine Bibliothek scannt ein Buch und behält es; eine Guillotine braucht dort niemand. HathiTrust , hat aber zugleich angekündigt, ein Projekt, das nichtkommerzieller KI-Forschung und -Entwicklung Zugang zum Korpus verschaffen soll. Auch zu diesen Bedingungen blieben manche unabhängigen Entwickler außen vor.

Nur: Wer die Bücher besitzt, darf ihren geschützten Inhalt deshalb noch nicht als Trainingskorpus verbreiten. Das erlaubt Forschungseinrichtungen und Bibliotheken das Text- und Data-Mining rechtmäßig zugänglicher Werke zu wissenschaftlichen Zwecken und gestattet ein weiter gefasstes Mining dort, wo sich die Rechteinhaber ihre Rechte nicht vorbehalten haben. : Seine Mining-Ausnahme gilt für nichtkommerzielle Forschung und beschränkt die Weitergabe von Kopien. Keiner der beiden Rechtsrahmen gibt Bibliotheken ein allgemeines Recht, ihre geschützten Bestände zu teilen, damit andere darauf aufbauen.

Man könnte auch neu überdenken, wie lange Rechteinhaber die maschinelle Nutzung von Büchern kontrollieren sollten. Arzneimittelpatente bieten einen Vergleichsmaßstab: Ihre übliche Laufzeit von zwanzig Jahren ist weit kürzer als der Urheberrechtsschutz, der die Lebenszeit des Autors und siebzig Jahre darüber hinaus währt. Könnten Bücher, sagen wir, zwanzig Jahre nach ihrem Erscheinen ohne Lizenzgebühren für Text- und Data-Mining freigegeben werden, während die Rechte an Neuauflage und Verkauf geschützt bleiben? Das Recht eines Autors zu schützen, sein Buch zu verkaufen, muss nicht heißen, über Generationen hinweg jede Verwendung seines Inhalts zu kontrollieren.

Vor zwei Jahren habe ich in dafür plädiert, Kulturerbedaten als öffentliches Gut zu behandeln. Der Staat sollte Bibliotheken und Archive dafür ausstatten, ihre Bestände zu digitalisieren, zu transkribieren und zu dokumentieren, und ihnen die rechtliche Befugnis geben, die entstehenden Korpora anderen zur Verfügung zu stellen. Big Tech könnte sich über eine eigens eingerichtete Abgabe an der Rechnung beteiligen.

Öffentliche Förderung sollte mit veröffentlichten Sammlungsrichtlinien und Zugangsregeln einhergehen, die akademische wie kommerzielle Arbeit abdecken – ohne Exklusivverträge, ohne Vorzugszugang für Geldgeber. Zugang zu Trainingszwecken muss nicht die uneingeschränkte Weiterverbreitung geschützter Bücher bedeuten. Die Autorinnen und Autoren sollten die öffentliche Regelung mitgestalten, auch was Einwilligung, Vergütung und die Konkurrenz zu ihren eigenen Werken angeht. Freier Zugang für die Nutzer schließt eine öffentlich finanzierte Vergütung der Autoren nicht aus; die , die Autoren aus öffentlichen Mitteln bezahlt, wenn ihre Bücher ausgeliehen werden, ist dafür ein Präzedenzfall. Um das Feuer ging es nie. Um den Zaun geht es.

Liebe Herausgeber: Wenn Sie meine Stimme wollen, geben Sie mir meine Sprache zurück

Thu, 27 Aug 2026 00:00:00 +0000

Kein Tag ohne eine Zeitschrift, die ihre KI-Richtlinie in die Welt posaunt. Diesmal ist es Progress in Human Geography: Deren Herausgeber haben veröffentlicht, in der sie warnen, KI als Ersatz für das eigene Lesen, Denken und Schreiben zu benutzen sei „ein Verstoß gegen die wissenschaftliche Ethik, einem Plagiat vergleichbar“. Aufsätze, bei denen ein solcher Verstoß festgestellt wird, „können zurückgezogen werden“; im günstigsten Fall werden sie korrigiert, mit einer in der Zeitschrift abgedruckten Notiz. Die Autorinnen und Autoren, so fügen die Herausgeber hinzu, mögen „sorgfältig erwägen, ob sie ihren Namen mit Widerrufen und Korrekturnotizen in Verbindung gebracht sehen wollen“.

Bei diesem Satz lohnt es sich zu verweilen. Der Widerruf (die Retraction) ist die schärfste Sanktion, die das wissenschaftliche Publizieren kennt – die Strafe, die sonst Fälschung und Betrug vorbehalten bleibt. Hier wird sie an ein Vergehen geknüpft, das derselbe Leitartikel nicht zu definieren vermag. Es gebe, räumen die Herausgeber ein, „echte Grauzonen“ und „keine klaren Linien, die die Zone der ‚Unverantwortlichkeit‘ abgrenzen“. Durchgesetzt werde die Richtlinie durch „Ermessensentscheidungen, die manche Autoren verärgern könnten, welche ihrerseits beteuern werden, KI nicht über Gebühr genutzt zu haben“ – die eigene Erklärung kann also überstimmt werden. Es folgt der Rat, „sicher in der Zone der ‚Verantwortlichkeit‘“ zu bleiben; und zur Sicherheit rät man nur, wo Gefahr droht. Menschen dafür zu bestrafen, dass sie eine Linie überschreiten, die man eingestandenermaßen nicht ziehen kann, ergibt nur dann Sinn, wenn Furcht das Regierungsmittel sein soll. Merken Sie sich das für später.

Der Vorwand der Stimme

Wie sieht verantwortungsvolle Nutzung aus? Den Autorinnen und Autoren wird eingeschärft, „große Sorgfalt darauf zu verwenden … die eigene Stimme zu bewahren“. Missbrauch sei es, mit KI „in einer Sprache zu schreiben, die die Autoren selbst normalerweise nie verwenden würden“. Für Muttersprachler leuchtet das ein: Gib dich nicht als etwas aus, was du nicht bist. Für Ausländer aber, die in einer fremden Sprache schreiben müssen, widerspricht sich die Vorschrift selbst. Die Stimme, die die Richtlinie schützen will, ist genau das, was die Regeln der Zeitschrift uns verwehren.

Nehmen Sie mich als Probe aufs Exempel. Englisch ist meine vierte Sprache – ganz genau die, die ich „normalerweise“ nie verwenden würde. Anglophone Universitäten haben mich darauf gedrillt, es kurz, mit Wegmarken versehen, beinahe mechanisch zu schreiben: den Kernsatz an den Anfang, die Vorbehalte an die vorgesehenen Stellen, die Überleitungen aus der genehmigten Liste. Der Drill hat gewirkt: In meinem Englisch gab es nie eine Stimme, die zu schützen gewesen wäre; sie war das Erste, was weichen musste. Nach der Definition der Herausgeber wäre alles, was ich je auf Englisch geschrieben habe, unzulässiger Gebrauch – mit oder ohne Maschine.

Die Zwickmühle

Die Herausgeber versichern, sie hätten an uns gedacht: Die Richtlinie erkennt an, dass Nichtmuttersprachler davon profitieren, wenn KI ihr Englisch prüft, ja sogar von deren „Übersetzungs-, Schreib- und Lektoratsdiensten“. Zugleich aber solle sich der Anteil der KI am Schreiben „höchstens auf Lektorat und Korrekturhilfe beschränken“ und dürfe nicht in „große Blöcke KI-geschriebenen Textes“ münden. Ein maschinell übersetzter Aufsatz ist vom ersten bis zum letzten Wort KI-geschrieben; er besteht aus nichts als solchen Blöcken. Das Zugeständnis trägt also nur, wenn Übersetzen kein Schreiben ist. Wo verläuft diese Linie? Sie haben es uns schon gesagt: „keine klaren Linien“.

Es kommt schlimmer, denn der Verdacht ist nicht nur unfalsifizierbar, er ist auch einseitig geladen. 2023 prüfte ein Team aus Stanford sieben gängige KI-Detektoren an Aufsätzen, die Menschen geschrieben hatten: Im Schnitt stuften die Detektoren 61 % der TOEFL-Aufsätze von Nichtmuttersprachlern als maschinell erzeugt ein, während sie die Aufsätze von Muttersprachlern nahezu fehlerfrei erkannten; ein Detektor markierte 97,8 % des TOEFL-Korpus ( ). Der Grund ist lehrreich. Detektoren messen Vorhersagbarkeit, und Englisch als Zweitsprache, auf den Durchschnitt hin geschult, ist per Konstruktion vorhersagbar: das wahrscheinlichste Wort in der wahrscheinlichsten Reihenfolge. Dieselbe Studie fand das Signal auch in echter Forschungsliteratur, nämlich eine geringere sprachliche Variabilität in Konferenzbeiträgen von Erstautoren, die keine Muttersprachler sind. Die Stilmerkmale, die als „KI“ gelesen werden, sind die Merkmale eines kompetenten Zweitsprachen-Englisch – und ein menschliches Ermessensurteil liest dieselben Merkmale wie die Maschine. Die Zwickmühle ist perfekt: Schreibe ich mein eigenes Englisch, sehe ich aus wie eine Maschine; nehme ich die Maschine, verstoße ich gegen ihre Regel.

Die Sprachsteuer

Das Paradox wäre harmlos, kämen nicht die Drohungen hinzu. Doch die Drohungen legen ein tieferes, älteres Problem frei, das die Richtlinie nirgends beim Namen nennt: die Einsprachigkeit. Die verlangen „die größtmögliche internationale Reichweite“ – und auf derselben Seite heißt es: „Die Sprache der Zeitschrift ist Englisch.“

Was diese Regelung kostet, ist keine Hypothese. In einer Befragung von 908 Umweltwissenschaftlern fanden Amano und Kollegen, dass Nichtmuttersprachler des Englischen bis zu 51 % mehr Zeit für das Schreiben eines Aufsatzes brauchen, dass ihre Manuskripte 2,5-mal so oft abgelehnt und 12,5-mal so oft zur Überarbeitung zurückgeschickt werden – allein aus sprachlichen Gründen ( ). Diese Steuer wird erhoben, bevor irgendeine KI-Richtlinie ins Spiel kommt; das Erklärungsformular samt seinen Drohungen ist die Steuerprüfung, die obendrauf kommt.

Fin d’empire

Die Einsprachigkeit ist das Axiom, über das niemand spricht. Sie ist ein imperiales Erbe, dem mit der Zeit eine praktische Rechtfertigung zuwuchs: Übersetzen war langsam und teuer, und kein Gremium konnte beurteilen, was es nicht lesen konnte. Nichts davon hält den Fortschritten der maschinellen Übersetzung stand. Auf dem heutigen Stand der Technik kann sie als verlässliche Zwischenschicht zwischen Autoren und Herausgebern dienen.

Der ideale Ausweg wäre ein menschlicher: Forschende sollten mehr als eine Sprache lesen. Stattdessen ziehen es die anglophonen Universitäten vor, ihre Institute für moderne Fremdsprachen zu schließen. Wohlgemerkt: Diese Schließungen sind ein angloamerikanisches Phänomen; Forschende anderswo konnten sich den Luxus der Einsprachigkeit nie leisten. Und man beachte den Zeitpunkt. Wer ein Sprachinstitut schließt, geht eine Wette ein – darauf, dass Englisch endgültig gewonnen hat und nie wieder etwas Lesenswertes in einer anderen Sprache geschrieben wird. Diese Wette wird zur denkbar falschen Zeit abgeschlossen, und das gleich doppelt. Erstens, weil die maschinelle Übersetzung es zum ersten Mal erlaubt, ganz ohne Lingua franca auszukommen; zweitens, weil die Ordnung, die Englisch zur Selbstverständlichkeit gemacht hat, im Rückzug begriffen ist: Die Anglosphäre kehrt sich nach innen, die Globalisierung ebbt ab, der Freihandel wird in seinen eigenen Mutterländern angefochten, und eine multipolare Welt nimmt Gestalt an, in der sich die lesenswerten Sprachen vervielfachen werden. Die Universitäten bilden Forschende heran, die nur Englisch lesen – für eine Welt, in der Englisch nicht mehr reichen wird. Die Herausgebergremien werden diesen Verlust als Erste zu spüren bekommen.

Ein Test für die Herausgeber

Wenn ein Gremium klagt, es könne die eigene Stimme seiner Autoren nicht lesen, liegt ein Teil des Problems vielleicht beim Gremium selbst.

Das ist ein schwerer Vorwurf, und er kommt mit einer ernsthaften Probe. Würde Progress in Human Geography eine Einreichung auf Französisch, Italienisch oder Japanisch begutachten lassen, der eine maschinell übersetzte englische Fassung beiliegt? Die Richtlinien der Zeitschrift erkennen die „Übersetzungs“-Dienste, die das möglich machen, ja selbst an. Ein Ja erledigt das Problem. Ein Nein verriete uns, was die Richtlinie in Wahrheit schützt.

So oder so: Die Entscheidung liegt bei den Herausgebern. Zählt die Stimme, wie sie behaupten, dann sollte die Zeitschrift Aufsätze in den Sprachen annehmen, in denen ihre Autoren denken. Zählt sie nicht, dann sollte das Erklärungsformular verschwinden – und die Drohungen mit ihm.

tei-mcp v0.3: TEI kodieren, ohne die Quelle anzutasten

Tue, 05 May 2026 00:00:00 +0000

Als ich , ging es darum, KI-Assistenten das Halluzinieren von TEI-Markup abzugewöhnen. Die Verankerung im Schema (Schema Grounding) hat einen Teil des Problems gelöst: Mit direktem, werkzeuggestütztem Zugriff auf die P5-Spezifikation muss das Modell nicht mehr raten, was ein Element bedeutet oder welche Attribute es zulässt. Die Ausgabe validiert.

Nur hat die Halluzination beim TEI-Kodieren zwei Gesichter, und das Schema erkennt bloß eines davon. Die Validierung gegen die Spezifikation verrät, dass das Markup in Ordnung ist; über den Text, den dieses Markup umschließt, sagt sie nichts. Und genau dort – im Text selbst – hausen die gefährlicheren Halluzinationen. Span-locked Composition, das Herzstück von v0.3, ist eigens dafür gebaut, sie zu unterbinden.

Inhaltsverzeichnis

Die Halluzination, die dem Schema entgeht

Lassen Sie ein Modell einen französischen Brief aus dem 16. Jahrhundert kodieren, und Sie bekommen nicht selten ein TEI-Dokument zurück, das tadellos aussieht. Der Header ist ausgefüllt, die <persName>-Tags sitzen, die <dateline> ist wohlgeformt. Durch validate_document geschickt, besteht es die Prüfung.

Dann vergleichen Sie den Textkörper mit der Quelle.

Aus mesme ist même geworden. Ein Komma ist gewandert. luy wurde stillschweigend zu lui modernisiert. Ein in der Handschrift schwer lesbarer Satzteil ist zu etwas Glatterem „berichtigt“ worden. Nichts davon war verlangt, nichts davon wird gemeldet. Das Dokument ist schemavalide – und in aller Stille falsch.

In einem archivischen Arbeitsablauf, in dem der kodierte Text zur dauerhaften Aufzeichnung wird, auf die sich spätere Leser, Suchindizes und Zitate verlassen, ist das der Fehler, der wirklich zählt. Ein missratenes Tag ist ärgerlich. Eine modernisierte Schreibung, die fünf Jahre lang niemand bemerkt, ist eine Textverderbnis.

Span-locked Composition

Die neue Version (v0.3) bringt einen Schutzmechanismus mit, der genau auf diesen Fehler zielt. Der Anspruch: Halluzinationen im Textkörper sollen nicht bloß unwahrscheinlich, sondern schon durch die Konstruktion unmöglich sein.

Die Idee ist einfach: Das Modell tippt nie Textkörper.

Der Ablauf sieht stattdessen so aus:

Das Modell ruft get_source("letter_001") auf und erhält den Quelltext als unveränderliche Zeichenkette.
Für jedes Tag, das es setzen möchte, ruft es tag_span("letter_001", start, end, element_path, attrs) auf und registriert damit ein TEI-Element an einem Zeichenbereich über der Quelle.
Ist es fertig, ruft es compose("letter_001") auf. Der Server verschränkt die registrierten Tags mit dem ursprünglichen Klartext, rendert das endgültige TEI und prüft dann Byte für Byte, ob der reine Textinhalt des gerenderten Dokuments der Quelle gleicht.

Stimmen die Bytes überein, kommt das Dokument zurück. Wenn nicht – wenn die Tags des Modells auf irgendeinem Weg einen Textkörper ergeben, der auch nur um ein einziges Zeichen von der Quelle abweicht –, wirft compose() einen Fehler, statt ein verdorbenes Dokument auszuliefern.

Es gibt in diesem Ablauf keinen Pfad, auf dem das Modell ein TEI-Dokument erzeugen könnte, dessen Textkörper von der Quelle abweicht. Die Invariante ist mechanisch, nicht eine Frage des Wohlverhaltens. Sie müssen nicht darauf vertrauen, dass das Modell nicht halluziniert – nur darauf, dass ein ==-Vergleich zweier Byte-Strings tut, was er soll.

Was das ist – und was nicht

Span-locked Composition ergänzt das Schema Grounding; sie ersetzt es nicht. Die Schema-Grounding-Tools (validate_document, lookup_element, valid_children und die übrigen der ursprünglichen sechzehn) helfen dem Modell, valides TEI zu erzeugen. Span-locked Composition garantiert, dass der Textkörper in diesem TEI der Quelle treu bleibt. Ein einsatzreifer Kodierungsablauf muss auf beiden Achsen bestehen – und beide deckt nun ein einziger Server ab.

Ein Allheilmittel ist es freilich nicht. compose() prüft noch nicht, ob die registrierten Tags nach einer geladenen ODD-Anpassung zulässig sind; das ist der nächste Schritt. Registrierte Tags leben im Arbeitsspeicher des Prozesses und überleben keinen Neustart. Und die Quelldateien müssen von dort aus lesbar sein, wo der Server läuft. All das lässt sich lösen; nichts davon rührt an der Kerninvariante.

Warum das über TEI hinausweist

Das Muster lässt sich verallgemeinern. Wann immer ein Modell einen Text annotieren, umformen oder umschließen soll – und wann immer die Unversehrtheit dieses Textes wichtiger ist als die Gabe des Modells, ihn zu „verbessern“ –, taugt dieselbe Lösung. Lassen Sie das Modell den Text nicht neu tippen. Lassen Sie es Anweisungen über dem Text erzeugen, und überlassen Sie es einem deterministischen Composer, sie unter einer Gleichheitsinvariante anzuwenden.

Für digitale Editionen im Besonderen verschiebt das die Grenze dessen, was man einem Modell guten Gewissens überlassen kann. Das Kodieren wird mit einem Mal zu einer Aufgabe, die sich delegieren lässt, ohne dass man jede Ausgabe von Hand mit der Quelle abgleichen müsste. Die Maschine übernimmt den öden Teil; die Editorin prüft das Markup, nicht die Rechtschreibung.

Das Update beziehen

Wenn tei-mcp bereits installiert ist:

uvx tei-mcp@latest

Oder frisch:

pip install tei-mcp

Für Span-locked Composition zeigen Sie dem Server ein Verzeichnis mit Klartext-Quelldateien:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

Der Dateiname ohne Endung wird zur Dokument-ID (letter_001.txt → letter_001).

Quellcode, vollständige Dokumentation und die Entwurfsnotizen zur Invariante:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: TEI P5 für KI-Agenten

tei-mcp ist ein quelloffener -Server, der KI-Programmierassistenten unmittelbaren Zugriff auf die -Spezifikation verschafft. Statt sich auf angelerntes Trainingswissen zu verlassen – das oft plausibel aussehendes, aber falsches Markup hervorbringt –, kann die KI die Spezifikation in Echtzeit befragen.

Funktionen

Der Server liest das ODD von TEI P5 ein und stellt 16 Tools bereit:

Nachschlagen von Elementen, Klassen, Makros und Modulen nach Namen, ohne Rücksicht auf Groß- und Kleinschreibung und mit Vorschlägen bei Tippfehlern
Attribute auflösen über die gesamte TEI-Klassenhierarchie (lokal + geerbt)
Inhaltsmodelle entfalten zu strukturierten Bäumen, mit Auflösung von Klassen und Makros
Verschachtelung prüfen – direkte Eltern-Kind-Beziehung oder rekursive Erreichbarkeit mit Pfadverfolgung
Dokumente validieren gegen TEI P5: Inhaltsmodelle, Attribute, geschlossene Wertelisten, Integrität der Verweise und Warnungen vor veralteten Konstrukten
Einzelne Elemente validieren für schrittweises Bearbeiten
ODD-Anpassungen laden, um das Schema auf die projektspezifische Teilmenge einzuschränken
Suchen über alle Entitätstypen hinweg mit regulären Ausdrücken

Installation

pip install tei-mcp

Oder direkt starten mit:

uvx tei-mcp

Verwendung

In einen beliebigen MCP-kompatiblen Client eintragen (Claude, Cursor, Windsurf usw.):

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Quellcode und Dokumentation finden Sie im .

tei-mcp: TEI P5 für KI-Agenten

Sun, 15 Mar 2026 00:00:00 +0000

Wer schon einmal einen KI-Programmierassistenten TEI-XML hat schreiben lassen, weiß, dass dabei Fehler passieren. Elemente stehen, wo sie nicht hingehören; Attribute werden frei erfunden; Verschachtelungsregeln bleiben unbeachtet. Das Modell hat eine ungefähre Vorstellung davon, wie TEI aussieht – von der Spezifikation selbst weiß es nichts Verlässliches.

tei-mcp schafft hier Abhilfe: Es gibt KI-Agenten direkten, werkzeuggestützten Zugriff auf die TEI-P5-Guidelines.

Inhaltsverzeichnis

Was ist MCP?

Das (MCP) ist ein offener Standard, über den sich KI-Anwendungen mit externen Datenquellen und Werkzeugen verbinden. Man kann es sich als USB-Anschluss für KI vorstellen: ein einziges Protokoll, mit dem sich jeder kompatible Client – Claude, Cursor, Windsurf und andere – an spezialisierte Dienste anstöpseln lässt.

Ein MCP-Server stellt Tools bereit, die die KI im Laufe eines Gesprächs aufrufen kann. Statt auf angelerntes Trainingswissen zu vertrauen, kann das Modell eine aktuelle, maßgebliche Quelle befragen.

Was tei-mcp leistet

tei-mcp liest die ODD-Spezifikation von TEI P5 ein und stellt 16 Tools bereit, die die häufigsten Fragen beantworten, die sich beim Edieren und Kodieren stellen:

Was ist dieses Element? Nachschlagen von Elementen, Klassen, Makros und Modulen nach Namen, ohne Rücksicht auf Groß- und Kleinschreibung und mit Vorschlägen bei Tippfehlern.
Welche Attribute nimmt es? Auflösen der Attribute über die gesamte Klassenhierarchie – zuerst die lokalen, dann der Reihe nach die geerbten.
Was darf hinein? Entfalten von Inhaltsmodellen zu strukturierten Bäumen oder eine flache Liste der zulässigen Kindelemente.
Darf dieses Element hierhin? Prüfen der Eltern-Kind-Verschachtelung oder Nachverfolgen der Erreichbarkeit durch die gesamte Elementhierarchie.
Ist mein Dokument valide? Validieren einer TEI-XML-Datei gegen die Spezifikation: Inhaltsmodelle, Attributwerte, geschlossene Wertelisten, Integrität der Verweise und Warnungen vor veralteten Konstrukten.
Und mein Projektschema? Laden einer ODD-Anpassung, um all das auf die projektspezifische Teilmenge von TEI einzuschränken.

Warum das zählt

Wer in TEI kodiert, schlägt ständig in den Guidelines nach. Erfahrene Encoder haben die gängigen Muster verinnerlicht, aber selbst sie müssen bei selteneren Elementen oder verwickelten Inhaltsmodellen in die Spezifikation schauen. Für KI-Assistenten, denen jedes verinnerlichte Wissen fehlt, ist das Problem gravierender: Sie halluzinieren Markup, das plausibel aussieht und falsch ist.

Mit tei-mcp muss die KI nicht raten. Sie kann die Antwort in der Spezifikation nachschlagen, ehe sie auch nur eine spitze Klammer schreibt. Heraus kommt Markup, das TEI P5 entspricht – oder der ODD-Anpassung Ihres Projekts.

Erste Schritte

Installation von PyPI:

pip install tei-mcp

Anschließend in die Konfiguration Ihres MCP-Clients eintragen:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Beim ersten Start lädt der Server die TEI-Spezifikation herunter; er arbeitet mit jedem MCP-kompatiblen Client zusammen.

Quellcode und vollständige Dokumentation: