Google zahlt rund 100 Verlagen für KI-Inhalte, und die Sätze gehen weit auseinander

Das Pilotprogramm ist noch kein Jahr alt. Wie oft Google ihre Inhalte verwendet und was sie daran verdienen, können Verlage im Google Search Console sehen, berichtete The Decoder am 30. September unter Berufung auf The Information. Was sie nicht sehen können, sagten mehrere Teilnehmer der Information, ist die Berechnung der Zahl.

Die Ergebnisse liegen weit auseinander. Bei mehreren kleinen und mittleren Blogs und Websites lagen die Zahlungen unter 0,1 Prozent des Werbeumsatzes. Manche kleinen Seiten erhielten über mehrere Monate weniger als 1.000 Dollar. Am anderen Ende bekam ein Verlag 50.000 bis 60.000 Dollar über einige Monate, ein anderer verdient mehr als 1 Million Dollar im Jahr. Nischen mit treuer Anhängerschaft, etwa Anime und Gaming, scheinen mehr zu bringen, heißt es in demselben Bericht. Wie viel ein Verlag bekommt, hängt davon ab, wie viel seine Quelle zu einer KI-Antwort beiträgt. Die Beträge können sich zudem von Monat zu Monat ohne Erklärung ändern, sagten Teilnehmer der Information.

Nicht alle unterschreiben.

Der rechtliche Druck rund um das Programm

Einige größere Verlage lehnen den Beitritt ab, um Google zu höheren Zahlungen zu bewegen, berichtete The Decoder. Das geschieht zu einer Zeit, in der ihr Suchtraffic ohnehin sinkt und mehrere Studien zeigen, dass AI Overviews die Besuche im offenen Web stark verringern. Der regulatorische Weg ist bereits eröffnet. Unabhängige Verlage reichten im Juli 2025 eine Beschwerde bei der Europäischen Kommission gegen AI Overviews ein, und Penske Media, Mutterkonzern von Rolling Stone, verklagte Google im September desselben Jahres wegen verlorenen Traffics und Werbeeinnahmen. Im Dezember 2025 eröffnete die Kommission eine kartellrechtliche Untersuchung, ob Google unfaire Bedingungen setzt, indem es Verlagsinhalte für KI-Funktionen nutzt, ohne angemessen zu zahlen oder einen echten Ausstieg zu ermöglichen.

Ein deutsches Gericht hat entschieden, dass AI Overviews Googles eigene Inhalte sind und keine Zusammenfassungen vorhandenen Materials, berichtete The Decoder. Setzt sich diese Auslegung durch, hätten Verlage eine rechtliche Grundlage, Lizenzgebühren zu verlangen, sobald ihre Arbeit in einer KI-Antwort erscheint. Den genauen Beitrag jeder Quelle nachzuvollziehen wäre schwierig, die Verwaltung der Zahlungen würde zusätzlichen Aufwand verursachen, und die Gebühren könnten an Googles Marge nagen.

Vorerst bestimmt Google die Bedingungen über ausgewählte Lizenzverträge, eine Ausstiegsfunktion und ein Zahlungsmodell, mit dem es selbst entscheidet, welcher Inhalt etwas wert ist. Matthias Bastian von The Decoder beschreibt das als Divide-and-conquer-Ansatz, der ein Gefangenendilemma erzeugt: Einige Verlage profitieren, die meisten bekommen wenig oder nichts, und wer aussteigt, übt kaum Druck auf Google aus, weil andere Quellen die Lücke füllen. Der Kontext ist nicht neu. Suchverweise haben sich für Verlage seit Jahren ungünstig entwickelt: Berichte, die im Dossier zusammengefasst sind, deuten auf einen Rückgang des Google-Suchtraffics für Verlage um 40 Prozent im Jahresvergleich zum Stand vom 24. September 2026 hin, und frühere Berichte über kleine Seiten nennen Einbrüche von etwa 60 Prozent. Nichts davon gehört zum Pilotprojekt vom September, aber es ist der Hintergrund, vor dem Verlage die neuen Sätze akzeptieren sollen.

Was die breitere Engineering-Debatte dazu sagt

Bei der Geschichte KI gegen Verlage geht es nicht nur um Geld. Am 30. September veröffentlichte Martinelli einen Beitrag, in dem er argumentiert, KI-Coding-Agenten drängten Softwareentwickler zurück in die Generalistenrolle der 1990er Jahre, als eine Person Anforderungen, Architektur, Code und Produktion übernahm. Das ist für Medien relevant, weil sich derselbe Wandel in Redaktionen und Plattformteams vollzieht: weniger Übergaben, mehr Automatisierung, und eine Spezifikation, die zum wichtigsten Artefakt des Projekts wird. Ein zweiter Beitrag desselben Tages von Gerben Rijpkema macht einen verwandten Punkt aus der Regelungstechnik: Erfolgreiche KI-Systeme werden um ein konkretes Problem herum gebaut, generische Standardwerkzeuge scheitern dagegen häufig. "In den Projekten, die erfolgreich waren, habe ich am Ende anwendungsspezifische Architekturen entworfen, während die gescheiterten auf Standard-KI-Tools aufbauten, die versprachen, alle meine KI-Engineering-Herausforderungen mit einer Einheitslösung zu lösen", schrieb er am 30. September. Das beschreibt auch das Lizenzproblem recht gut. Googles Programm ist eine einzige Pipeline für viele Arten von Verlagen, von Anime-Blogs bis zu großen Redaktionen, und die Auszahlungen folgen einer Rechnung, die niemand außerhalb des Unternehmens prüfen kann.

Andere Veröffentlichungen vom 30. September zeigen, wie schnell sich die umliegenden Werkzeuge bewegen.

Modal veröffentlichte Benchmarks für Quail, eine query-aware Inferenzschicht, die nach eigenen Angaben auf einer Multi-Join-Abfrage über eine Milliarde Token pro Minute pro H100-GPU verarbeitet, mehr als 10x schneller als die vLLM-Basis auf derselben Hardware und unter 6 Cent pro Milliarde Token auf Modal. Im AI-SQL-Benchmark von Modal liegt Quail demnach geometrisch gemittelt 1,84x vor vLLM. Elastic wiederum testete das Jev-Modell von TypeSafe AI als Such-Reranker auf 250 Amazon Shopping Queries und 4.754 bewerteten Query-Produkt-Paaren und hob nDCG@10 von 0,9351 auf 0,9565 sowie Exact MRR von 0,9201 auf 0,9616. Jev kostet 0,042 Dollar pro Million Input-Token, Output-Token sind kostenlos. Günstigere Inferenz auf der Plattformseite beantwortet die Verlagsfrage nicht. Wenn überhaupt, macht sie die massenhafte Wiederverwendung von Inhalten für die Unternehmen, die sie betreiben, billiger.

Kleinere Signale aus derselben Woche

Am 30. September veröffentlichte die Forschungsgruppe VUSEC an der VU Amsterdam Branch Target Reuse, einen Spectre-v2-Angriff auf Just-in-Time-Compiler. Das Team baute zwei Ende-zu-Ende-Exploits gegen den Linux-Kernel und las 8 Byte pro Sekunde aus, genug, um mit Pointer Chasing den Root-Passwort-Hash aus einem laufenden "su"-Prozess zu holen. Der Bericht merkt an, dass die Option bpf_jit_harden des Linux-Kernels, die unmittelbare Werte verschleiert, standardmäßig deaktiviert ist.

Facebooks OpenZL-Projekt brachte am 29. September v0.3.0 mit einer neuen LZ-Engine und einem neuronalen Compression Transformer heraus. Auf 868 Familien numerischer Streams, 34.737 Dateien und 17,9 GB komprimiert der Transformer im Schnitt 35 Prozent besser als zstd -19 und bleibt laut Release Notes innerhalb von 1,1 Prozent der trainierten OpenZL-Graphen. Flow Engineering, ein drei Jahre altes Start-up aus San Francisco, das KI-Werkzeuge für Hardware-Design verkauft, kündigte am Mittwoch eine Series B über 50 Millionen Dollar bei einer Bewertung von 750 Millionen Dollar an, berichtete TechCrunch am 30. September. Die Runde wurde gemeinsam von Antonio Gracias von Valor Equity Partners und Gavin Baker von Atreides Management geführt, Sequoia Capital und der frühere Sequoia-Partner Roelof Botha beteiligten sich. Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech und Stoke Space werden als Kunden genannt.

OpenAI und Synopsys unterzeichneten unterdessen eine mehrjährige Partnerschaft für GPT-Synopsys, ein Modell für Chip-Design, das OpenAIs Technologie mit den Electronic-Design-Automation-Werkzeugen von Synopsys verbindet, berichtete The Decoder am 30. September. Kundendaten werden nicht zum Training verwendet und verschlüsselt gespeichert, erklärten beide Unternehmen, und erste Tests mit Halbleiterkunden laufen bereits.

Für Verlage ändert nichts davon die zentrale Asymmetrie. Google bestimmt den Preis, die Bedingungen und den Ausstieg, und der Markt für die Inhalte, die es nutzt, ist in keinem normalen Sinn ein Markt. Die Berichterstattung von The Information, weitergegeben von The Decoder, ist das bislang klarste öffentliche Bild davon, was diese Regelung ausschüttet, und das Bild ist nicht schmeichelhaft.