Zehn Millionen Dollar für eine Fluggesellschaft, die gar nicht mehr fliegt. Google hat die Insolvenzauktion um die internen Daten der zusammengebrochenen US-Billig-Airline Spirit gewonnen. Belegt sind rund 100 Millionen E-Mails, 500 Millionen Teams-Chats und der Preis von zehn Millionen Dollar. Der Verkauf muss allerdings noch vom Insolvenzgericht in New York genehmigt werden.

Der Deal illustriert den wachsenden Wettbewerb um hochwertige, nicht öffentliche Trainingsdaten. Google kündigt an, die Daten vor der Übergabe durch einen Dritten von personenbezogenen Identifikatoren bereinigen zu lassen. Ob das eine Anonymisierung nach europäischem Maßstab ergibt, ist offen.

Ganz sauber ist die Formel „keine Kundendaten“ trotzdem nicht. Fachmedien berichten unter Berufung auf die Gerichtsakte, dass auch Kundenkommunikation Teil des Pakets sei, etwa Service-Anrufe, Chat-Protokolle und Support-Tickets. Diese Detailangaben lassen sich derzeit nur über die Gerichtsanlage sicher prüfen. Gut belegt ist dagegen, dass mehr als 175.000 Mitarbeiterdatensätze enthalten sind. Der Datenschutz verschwindet nicht, er verlagert sich.

Für einen Anruf-Mitschnitt oder einen Servicechat ist das entscheidend. Solange dieselben entpersonalisierten Vorgänge weiter an derselben Mail, demselben Anruf und demselben Ticket hängen, können charakteristische Fall- und Verhaltensmuster erhalten bleiben. Und solche Muster sind der Ansatzpunkt für eine Wiedererkennung.

Auch bei Verhaltensdaten wie Anrufen, Chats und Transaktionen zeigen Studien erhebliche Re-Identifizierungsrisiken. Forscher deanonymisierten eine als anonym veröffentlichte Netflix-Datenbank mit wenig Zusatzwissen. In einer Mobilfunkstudie genügten vier Orts-Zeit-Punkte für 95 Prozent der Menschen. Bei Kreditkartendaten reichten vier Zahlungen für 90 Prozent.

Der Grund ist stets derselbe. Der Wert einer Person steckt weniger im Namen als im Muster ihres Verhaltens, und dieses Muster überlebt das Schwärzen der Namen. Bleiben die Verknüpfungen erhalten, erleichtert das eine Re-Identifizierung.

Es gibt Verfahren, die weiterhelfen können. Differential Privacy etwa ermöglicht statistische Auswertungen mit formalisierbaren Datenschutzgarantien. Ob es für diesen Datensatz eingesetzt wird, ist nicht bekannt.

Hier gibt es keinen Reinigungsschritt. Der ganze Wert liegt darin, den menschlichen Text unverändert aufzunehmen, obwohl Sachbücher und Biografien massenhaft Angaben über reale Personen enthalten. Ein US-Gericht traf im Juni 2025 eine gemischte Entscheidung. Es billigte die Nutzung rechtmäßig erworbener und gescannter Printbücher, ließ die Fragen zu piratisiert beschafften Werken aber offen. Beurteilt wurde Urheberrecht, nicht Datenschutz.

Der Wettbewerb um die besten KI-Modelle ist längst ein Wettbewerb um Daten. Zwei Fälle, zwei Firmen, zwei Datensätze, aber dieselbe Grundfrage. Bei Spirit soll bereinigt werden, bei den Büchern gar nicht. Wer wissen will, wie es um den Schutz persönlicher Daten im KI-Zeitalter steht, sollte weniger auf die Zusagen schauen als darauf, ob sie sich halten.