Google lizenziert privaten App-Code: Neue Einnahmequelle für Entwickler?

In der Jagd nach qualitativ hochwertigen Trainingsdaten für künstliche Intelligenz hat Google eine neue Strategie eingeschlagen. Das Unternehmen weitet derzeit ein Pilotprojekt aus, das eine bisher ungewöhnliche Transaktion ermöglicht: Die Bezahlung von Softwareentwicklern und kleinen Unternehmen für den Zugriff auf deren proprietären, nicht-öffentlichen Quellcode. Während die meisten KI-Modelle auf öffentlich verfügbaren Daten aus dem Web oder Open-Source-Repositories trainiert wurden, zielt Google nun auf die geschlossenen Archive ab, die normalerweise hinter Firmenmauern verborgen bleiben.

Ein Marktplatz für proprietäre Logik

Das Programm, das intern als Content Offer Pilot bezeichnet wird, funktioniert wie ein spezialisierter Marktplatz. Über ein Online-Portal können potenzielle Partner ausgewählte Materialien einreichen. Der Prozess ist dabei auf eine gegenseitige Einigung ausgelegt: Die Teilnehmer entscheiden selbst, welche Inhalte sie anbieten möchten, und schlagen einen Preis für den Zugriff vor. Ein Geschäft kommt nur zustande, wenn beide Seiten den Bedingungen zustimmen.

Google verfolgt mit diesem Ansatz das Ziel, Partnerschaften mit Entwicklern und kleineren Betrieben zu ermöglichen, die normalerweise keine kommerzielle Beziehung zum Tech-Giganten unterhalten. Laut Angaben von Google haben bereits Hunderte von Drittentwicklern und kleinen Unternehmen aus etwa 100 Ländern an dem Programm teilgenommen. Die Resonanz scheint positiv zu sein, da über 90 Prozent der bisherigen Partner signalisiert haben, dass sie erneut an einer Zusammenarbeit interessiert sind.

Code als neue Form des Kapitals

Für viele Gründer und Bootstrapped-Entwickler stellt dieser Pilot eine interessante finanzielle Option dar. Ein CEO eines Technologie-Startups, dessen Testimonial von Google geteilt wurde, beschrieb den Reiz darin, Geld für Code zu verdienen, der bereits geschrieben wurde. Anstatt dass die Software ungenutzt in einem Repository liegt, wird der proprietäre Code so zu einem umsatzgenerierenden Vermögenswert.

Besonders für kleine Android-Teams, die ohne großes Risikokapital arbeiten, könnte dies eine Form der nicht-verwässernden Finanzierung darstellen. Es handelt sich nicht um einen Verkauf von Firmenanteilen, sondern um die Lizenzierung einer bestehenden Ressource. Die rechtliche Struktur sieht vor, dass die Entwickler zu 100 Prozent Eigentümer ihres geistigen Eigentums bleiben und Google lediglich eine nicht-exklusive Lizenz gewähren. Damit bleibt die Basis für das eigene Produkt gewahrt, während die Daten für Google nutzbar werden.

Die strategische Jagd nach Realdaten

Warum ist Google bereit, für Daten zu bezahlen, die es in dieser Masse früher einfach gecrawlt hat? Die Antwort liegt in der Qualität. Google sucht gezielt nach hochwertigen, realen Codebasen, um die Logik komplexer Anwendungen besser zu verstehen. Solche Daten sind im offenen Web kaum zu finden, da Unternehmen ihre Geschäftsgeheimnisse schützen.

Die gewonnenen Erkenntnisse sollen primär dazu dienen, die Entwickler-Tools von Google zu verbessern sowie Benchmarks und Evaluierungen für die Codierung zu entwickeln. Obwohl in den ersten Einladungen an Play-Store-Entwickler das Wort Künstliche Intelligenz nicht explizit im Vordergrund stand, führen die Links innerhalb der Kommunikation direkt zu Seiten über Partnerschaften zur Verbesserung von KI-Produkten. Es ist offensichtlich, dass die Modelle von Google, wie etwa Gemini, von der Analyse professionell strukturierter, produktiver Codebasen profitieren.

Risiken zwischen Profit und Wettbewerbsvorteil

Trotz der finanziellen Anreize bringt das Programm komplexe Fragen mit sich, insbesondere für Unternehmen, die durch Venture Capital finanziert werden. Hier steht der kurzfristige finanzielle Gewinn dem langfristigen Schutz des technischen Vorsprungs gegenüber. Wenn ein Unternehmen den Zugang zu seinem Kerncode gewährt, stellt sich die Frage, ob dies die eigene technische Schutzmauer, den sogenannten Moat, schwächt.

Die Entscheidung, Code gegen Bezahlung freizugeben, erfordert eine präzise Abwägung zwischen dem monetären Wert und dem Risiko, dass die eigene Logik indirekt in ein Tool einfließt, das später die eigene Arbeit automatisiert.

Zudem ergeben sich Herausforderungen bei der Due Diligence. Unternehmen müssen prüfen, ob sie durch die Weitergabe von Code Verpflichtungen gegenüber Kunden verletzen oder Open-Source-Lizenzen missachten. Da Google keine detaillierten Informationen über die genauen Auszahlungsbereiche oder die spezifischen Nutzungsrechte in Standardverträgen veröffentlicht hat, bleibt die Risikoanalyse für die teilnehmenden Firmen eine individuelle Aufgabe.

Transparenzdefizite bei Lizenz und Nutzung

Ein kritischer Punkt bleibt die mangelnde Transparenz über die langfristigen Auswirkungen. Während die nicht-exklusive Lizenz den Eigentumsanspruch schützt, bleibt unklar, wie genau die Daten in die Trainingsprozesse einfließen. Es gibt derzeit keine detaillierten Angaben dazu, welche spezifischen Produkte den Code nutzen oder inwieweit die Trainingsgrenzen definiert sind. Die Vertraulichkeit des Pilotprojekts verhindert bisher einen öffentlichen Diskurs über die genauen Konditionen.

Für Entwickler bedeutet dies, dass sie blind auf die Zusicherungen eines Giganten vertrauen müssen, dessen Geschäftsmodell auf der Aggregation von Daten basiert. Die Frage ist nicht nur, wie viel Geld gezahlt wird, sondern welchen Wert die Privatsphäre des Codes im Kontext einer fortschreitenden KI-Automatisierung hat. Wenn die KI lernt, komplexe Logik basierend auf realen App-Strukturen zu schreiben, könnten die heute bezahlten Entwickler morgen mit einer KI konkurrieren, die mit ihrem eigenen Code trainiert wurde.

Bedeutung für den DACH-Raum: Mittelstand und AI Act

Für Unternehmen in Deutschland, Österreich und der Schweiz bietet diese Entwicklung eine ambivalente Perspektive. Der deutsche Mittelstand, insbesondere im Bereich der Industrie 4.0, verfügt über enorme Mengen an spezialisiertem Code für Steuerungssoftware und industrielle Prozesse, die oft offline in geschlossenen Systemen existieren. Die Aussicht, solche Altlasten oder spezialisierte Bibliotheken zu monetarisieren, könnte attraktiv wirken.

Allerdings kollidiert dieses Modell im DACH-Raum mit einer besonders strengen Kultur des Datenschutz- und IP-Schutzes. Mit dem Inkrafttreten des EU AI Act müssen Unternehmen zudem genau prüfen, welche Daten sie für das Training von KI-Systemen bereitstellen. Die Transparenzpflichten des AI Act könnten dazu führen, dass die im Pilotprojekt von Google praktizierte Vertraulichkeit in der EU auf rechtliche Hürden stößt. Deutsche Unternehmen, die sehr stark auf proprietäre Innovationen setzen, werden vermutlich zögerlicher reagieren als Startups in den USA oder Asien.

Gleichzeitig könnte dies ein Signal für den lokalen Markt sein, eigene Daten-Ökosysteme zu schaffen. Wenn Code als Asset handelbar wird, könnten auch europäische KI-Initiativen beginnen, gezielte Aufkäufe von spezialisierten Datensätzen vorzunehmen, um die Abhängigkeit von US-amerikanischen Hyperscalern zu verringern. Für den deutschen Software-Sektor bedeutet dies: Die Bewertung von Software verschiebt sich weg vom reinen Produktnutzen hin zum Wert der zugrunde liegenden Trainingsdaten.

Häufige Fragen

Quellen: Venturebeat, Runtimewire, Winbuzzer ·