Insolvenzmassen als KI-Trainingsdaten

Wird ein Unternehmen abgewickelt, geht sein vollständiger Dokumentenbestand auf einen Insolvenzverwalter über: Jahre an Schriftverkehr, Verträgen, Rechnungen und Buchungen. Unter einem schriftlichen Mandat dieses Verwalters kann der Bestand rechtlich geprüft, anonymisiert und als KI-Trainingsdaten lizenziert werden. Das ist der Gründungskanal von TGDC.

Quelle

Dokumentenbestände abgewickelter europäischer Unternehmen

Erlaubnis

Schriftliches Verwaltermandat, bevor sich eine einzige Datei bewegt

Typische Spanne

Jahrzehnte an Schriftverkehr, Verträgen, Buchungen und Formularen

Was ein Dokumentenbestand enthält

Ein einziges abgewickeltes Unternehmen hinterlässt die vollständige Papierspur seines Betriebslebens: E-Mail-Verkehr mit Kunden und Lieferanten, unterzeichnete Verträge und ihre Nachträge, Rechnungen und Mahnungen, Buchungen und Abschlüsse, Personalakten und die Verfahrensunterlagen der Abwicklung selbst. Anders als ein Web-Scrape ist ein Bestand zusammenhängend. Dieselben Gegenparteien, Geschäfte und Streitfälle ziehen sich über Jahre durch Tausende Dokumente. Genau diese zeitliche Struktur muss Dokumenten-KI lernen, und kein öffentlicher Datensatz trägt sie.

Der rechtliche Weg

• Verwaltermandat. Der Insolvenzverwalter verfügt über das Vermögen der Masse, einschließlich ihrer Daten. Eine Lizenzierung erfolgt nur unter einem schriftlichen Mandat des Verwalters.
• Rechteklärung. Bevor etwas ausgeliefert wird, durchläuft jedes Korpus eine Prüfung zu Eigentum, Material Dritter und gesetzlichen Schranken: was überhaupt lizenziert werden darf und unter welchen Bedingungen.
• Anonymisierung. Benannte Entitäten, personenbezogene Daten und geschäftliche Kennungen werden entfernt oder deterministisch pseudonymisiert, sodass Querverweise zusammenhängend bleiben, ohne echte Parteien preiszugeben. Jede Charge wird überprüft, und ein Prüfbericht geht mit der Lieferung hinaus.

Das Ergebnis ist ein Korpus, das zugleich rechtmäßig und brauchbar ist. Das Eigentum klärt das Mandat des Verwalters, und die Rechteklärung legt fest, was aus dem Bestand lizenziert werden darf. Der Anonymisierungsbericht deckt den Datenschutz ab und wird für jede Charge geschrieben. All das steht auf Papier, bevor irgendetwas einen Käufer erreicht.

Warum diese Daten für KI zählen

Alles öffentlich Crawlbare steckt bereits in jedem führenden Modell. Bestandsdaten standen nie online und sind daher tatsächlich ungesehen. Das ist in zwei verschiedenen Rollen wertvoll. Als Trainingsmaterial fügen sie Signal statt Wiederholung hinzu. Als Unterbau für Evaluation und RL-Umgebungen sind sie frei von der Kontamination, die die Ergebnisse sonst entwerten würde. Und weil es echte Betriebsarbeit ist statt kuratierter Text, tragen sie das Rauschen, die Mehrdeutigkeit und die Randfälle, die antrainiertes Verhalten im Einsatz belastbar machen.

Wie das als Produkt aussieht

TGDC liefert Bestände als lizenzierte Korpora: Archive mit dokumentierter Verwahrkette, strukturierte Auszüge nach dem Schema des Kunden und zurückgehaltene Evaluationssätze. Jede Lieferung enthält die schriftliche Rechtekette ab dem Verwaltermandat sowie den Anonymisierungsbericht je Charge. Käufer können jedes Artefakt bis zu einer Erlaubnis zurückverfolgen. Das ist die Nachvollziehbarkeit, die die Dokumentationspflichten der EU-KI-Verordnung zunehmend verlangen.