Google zahlt rund 100 Verlagen für KI-Inhalte, die meisten bekommen sehr wenig

Am 30. September meldete The Decoder, Google zahle etwa 100 digitalen Verlagen für Inhalte, die in AI Overviews, AI Mode und im Gemini-Chatbot verwendet werden. Einige dieser Verlage wissen nach Angaben von The Information nicht, wie ihre Zahlungen berechnet werden. Das Pilotprogramm startete vor weniger als einem Jahr, und Verlage können Nutzung und Einnahmen in der Google Search Console verfolgen.

Die Spanne ist enorm.

Bei mehreren kleinen und mittleren Blogs und Websites liegen die Zahlungen unter 0,1 Prozent des Werbeumsatzes, berichtet The Information. Ein Verlag erhielt über einige Monate 50.000 bis 60.000 Dollar, ein anderer verdient mehr als 1.000.000 Dollar im Jahr. Kleine Seiten bekamen über mehrere Monate weniger als 1.000 Dollar. Inhalte zu Nischenthemen mit starker Anhängerschaft, etwa Anime und Gaming, scheinen mehr einzubringen, heißt es in dem Bericht.

Verlage können die Formel nicht einsehen

Eigentlich sollen die Zahlungen davon abhängen, wie viel jede Quelle zu einer KI-Antwort beiträgt. Doch einige Teilnehmer sagten The Information, sie wüssten nicht, wie Google sie berechnet, und die Beträge könnten sich von Monat zu Monat ohne Erklärung ändern. Diese Intransparenz wiegt schwer, weil die Summen bereits Gegenstand eines Kartellverfahrens sind. Im Juli 2025 reichten unabhängige Verlage bei der Europäischen Kommission eine Beschwerde gegen AI Overviews ein. Im September 2025 verklagte Penske Media, der Mutterkonzern des Rolling Stone, Google wegen verlorener Zugriffe und Werbeeinnahmen. Im Dezember 2025 eröffnete die Europäische Kommission eine kartellrechtliche Untersuchung dazu, ob Google unfaire Bedingungen setzt, indem es Verlagsinhalte für KI-Funktionen nutzt, ohne angemessen zu zahlen oder einen echten Ausstieg zu ermöglichen.

Einige größere Verlage lehnen eine Teilnahme am Programm ab, um Google zu höheren Zahlungen zu drängen, berichtet The Information. Ihre Zugriffe sinken bereits, und mehrere Studien zeigen, dass AI Overviews die Besuche im offenen Web stark verringern. Die Ablehnung ist eine Wette darauf, dass kollektiver Druck besser wirkt als ein einzelner Vertrag. Bislang gibt es wenig Belege dafür, dass sich Googles Sätze dadurch bewegt haben.

Ein deutsches Gericht hat außerdem entschieden, dass AI Overviews Googles eigene Inhalte sind und keine Zusammenfassungen vorhandenen Materials. Setzt sich diese Auslegung breiter durch, hätten Verlage eine rechtliche Grundlage, Lizenzgebühren zu verlangen, sobald Google ihre Arbeit in einer KI-Antwort verwendet. The Decoder merkte an, dass sich der genaue Beitrag jeder Quelle zu einer Antwort kaum oder gar nicht nachverfolgen lässt und dass die Verwaltung solcher Zahlungen zusätzlich zu den Gebühren selbst Aufwand verursacht.

Der Verkehr ist die größere Zahl

Die Zahlungssummen sind eine Seite der Bilanz. Die andere ist der Verkehr, der nicht mehr ankommt. Jüngste Schlagzeilen, die diese Redaktion verfolgt hat, weisen in eine Richtung: Ein Kartellantrag besagt, Google kapere Verlagsverkehr, kleine Verlage trifft der Rückgang der Suche am härtesten, und eine Analyse vom September bezifferte den Rückgang für Verlage im Jahresvergleich auf 40 Prozent. Diese Zahlen stehen außerhalb der Primärdokumente in diesem Dossier und sind als Kontext zu behandeln, nicht als bestätigte Messwerte.

Was das Dossier bestätigt, ist der Mechanismus. AI Overviews beantworten Fragen direkt auf der Ergebnisseite, der Klick zum Verlag bleibt also aus. Google zahlt dann einer Teilmenge der Verlage für die Inhalte, die die Antwort gespeist haben, zu Sätzen, die es selbst festlegt, unter Bedingungen, die es selbst schreibt, mit einer Ausstiegsoption, die es kontrolliert. The Decoder beschrieb die Regelung als Teile-und-herrsche-Ansatz, der ein Gefangenendilemma erzeugt: Wenige profitieren, die meisten bekommen wenig oder nichts, und Verlage, die aussteigen, üben kaum Druck auf Google aus, weil andere Quellen die Lücke füllen.

Einzelverträge sorgen außerdem dafür, dass Verlage getrennt statt gemeinsam verhandeln.

Das strukturelle Argument lautet: Würde Google alles zu einem fairen Satz lizenzieren, würden seine Margen leiden. Also lizenziert es selektiv und entscheidet, welcher Inhalt was wert ist. Das ist keine neue Strategie. The Decoder merkte an, sie habe dem Unternehmen jahrzehntelang gedient, während es immer mehr Inhalte aus dem Web in die Suche zog, und AI Overviews trieben diesen Trend viel weiter, viel schneller.

Das Geld wandert in die Werkzeugebene

Während Verlage über Bruchteile eines Prozents streiten, fließt Kapital in die Infrastruktur, die KI-Systeme baut und betreibt. Am Mittwoch meldete TechCrunch, das drei Jahre alte San Franciscoer Start-up Flow Engineering habe in einer Series B 50.000.000 Dollar bei einer Bewertung von 750.000.000 Dollar eingesammelt. Es verkauft KI-Werkzeuge für Hardware-Design. Die Runde führten Antonio Gracias von Valar Equity Partners und Gavin Baker von Atreides Management gemeinsam an, Sequoia Capital war beteiligt, ebenso der frühere Sequoia-Partner Roelof Botha, der privat investierte und in den Vorstand eintrat. Flow nennt Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech und Stoke Space als Kunden.

Am selben Tag meldete The Decoder, OpenAI und Synopsys hätten eine mehrjährige strategische Partnerschaft geschlossen, um ein spezialisiertes Chipdesign-Modell namens GPT-Synopsys zu bauen. Synopsys stellt Werkzeuge für Electronic Design Automation her, also die Software, mit der Ingenieure Chips entwerfen. OpenAI lizenziert diese Werkzeuge, damit das Modell über Chipdesign und Verifikation reasoning betreiben und die Werkzeuge direkt bedienen kann, während Ingenieure Ziele vorgeben und Ergebnisse prüfen. Das Modell läuft auf OpenAIs Infrastruktur. Beide Unternehmen erklärten, Kundendaten würden nicht zum Training verwendet und verschlüsselt gespeichert. Erste Tests mit Halbleiterkunden laufen bereits, und die beiden wollen das Produkt gemeinsam vermarkten und Erlöse teilen. Synopsys-CEO Sassine Ghazi sagte, KI könne den Designprozess deutlich beschleunigen; OpenAI-Mitgründer Greg Brockman beschrieb die Partnerschaft als Weg zu besseren Chips und besserer KI.

Das Muster wiederholt sich weiter unten im Stack. Quail, eine Inferenz-Engine, die Modal mit dem Full Stack Data Lab der Carnegie Mellon University gebaut hat, meldete über eine Milliarde verarbeitete Token pro Minute pro H100-GPU bei einer Multi-Join-AI-SQL-Abfrage, mehr als 10x schneller als eine vLLM-Basis auf derselben Hardware und unter 6 Cent pro Milliarde Token auf Modal. Bei einem neuen Benchmark für AI-SQL-Abfragen lief es 1,84x schneller als vLLM, geometrisch gemittelt über die Aufgaben. Ein Open-Source-Projekt namens Magnitude, am 30. September auf GitHub veröffentlicht, beansprucht bis zu 2x schnellere Inferenz als llama.cpp, indem es Kernel auf der Hardware des Nutzers kompiliert und abstimmt, mit 92 Prozent schnellerem Decode auf Metal und 19 Prozent auf CUDA.

Nichts davon zahlt die Rechnungen eines Verlags. Es erklärt aber, wo der Wert abgeschöpft wird.

Sicherheitsforscher finden immer dieselbe Lücke

Es gibt noch einen Strang, der sich lohnt. Am 30. September veröffentlichten Forscher der VUSEC Branch Target Reuse, einen neuen Spectre-v2-Angriff auf Just-in-Time-Compiler. Die Erkenntnis: Moderne CPUs stellen nach Selbstmodifikation die architektonische Codekohärenz wieder her, machen aber veraltete Einträge der indirekten Sprungvorhersage nicht unbedingt ungültig. In JIT-Engines können solche veralteten Ziele den ursprünglichen Code überleben und wiederverwendet werden, wenn der Code-Cache neu gefüllt wird, was ein spekulatives Execute-after-free-Primitiv ergibt. Das Team analysierte Linux cBPF, Oracle GraalVM und SpiderMonkey, die JIT-Engine in Firefox, und baute zwei End-to-End-Exploits gegen den Linux-Kernel, die 8 Byte pro Sekunde leckten und die Task-Liste des Kernels durchliefen, um einen Root-Passwort-Hash zu extrahieren. Sie umgingen außerdem die Option bpf_jit_harden zur Konstantenverschleierung.

Das ist ein anderes Problem als Googles Verlagsprogramm, doch es fällt in dieselbe Woche und auf dieselbe Infrastruktur: die Browser, Runtimes und Kernel, auf die KI-Funktionen zunehmend angewiesen sind. Das Dossier enthält außerdem einen Bericht von machine.news vom 30. September über einen Entwickler, der behauptet, Apple-Ingenieur zu sein, und ein öffentliches GitHub-Projekt baute, das interne Aktivierungen in Alibabas offenen Qwen3-Modellen manipuliert, um schmerzähnliche Zustände zu erzeugen, und der einen Werbebeitrag nach Kritik löschte. Der Text sagt, die Arbeit beruhe auf einem Paper mit dem Titel The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It, dessen Autoren nicht behaupten, die Modelle empfänden bewusst Schmerz.

Für Verlage bleibt die praktische Frage enger. Rund 100 sind in Googles Programm. Die übrigen sehen zu, wie der Suchverkehr fällt, und warten darauf, dass ein Gericht oder eine Regulierungsbehörde entscheidet, was ihre Inhalte wert sind.