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

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

Die Spanne ist enorm.

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

Verlage können die Formel nicht sehen

Die Zahlungen sollen davon abhängen, wie viel jede Quelle zu einer KI-Antwort beiträgt. Doch einige Teilnehmer sagten The Information, sie wüssten nicht, wie Google sie berechnet. Die Zahlungen können sich demnach von Monat zu Monat ohne Erklärung ändern. Diese Undurchsichtigkeit wiegt schwer, denn die Beträge sind bereits Gegenstand eines Kartellverfahrens. Im Juli 2025 reichten unabhängige Verlage bei der Europäischen Kommission eine Beschwerde wegen AI Overviews ein. Im September 2025 verklagte Penske Media, die Muttergesellschaft des Rolling Stone, Google wegen verlorener Zugriffe und Werbeeinnahmen. Im Dezember 2025 eröffnete die Europäische Kommission eine kartellrechtliche Untersuchung. Sie prüft, 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 ohnehin, und mehrere Studien zeigen, dass AI Overviews die Besuche im offenen Web stark verringern. Die Ablehnung ist die Wette, dass kollektiver Druck besser wirkt als ein Einzelvertrag. Bislang gibt es wenig Hinweise darauf, dass sich Googles Sätze dadurch bewegt haben.

Ein deutsches Gericht hat zudem entschieden, dass AI Overviews Googles eigene Inhalte sind und keine Zusammenfassungen bestehenden Materials. Setzt sich diese Auslegung durch, hätten Verlage eine rechtliche Grundlage, Lizenzgebühren zu verlangen, wann immer Google ihre Arbeit in einer KI-Antwort verwendet. The Decoder merkte an, es sei schwierig bis unmöglich, den genauen Beitrag jeder Quelle zu einer Antwort nachzuverfolgen. Die Verwaltung dieser Zahlungen würde zusätzlich zu den Gebühren selbst Kosten verursachen.

Der Traffic ist die größere Zahl

Die Zahlungssummen sind die eine Seite der Rechnung. Die andere ist der Traffic, der nicht mehr ankommt. Die aktuellen Schlagzeilen, die dieser Schreibtisch verfolgt, weisen in eine Richtung: Eine Kartellbeschwerde besagt, Google kannibalisiere den Traffic von Verlagen, kleine Verlage trifft der Rückgang der Suchzugriffe am härtesten, und eine Analyse vom September bezifferte den Rückgang für Verlage im Jahresvergleich auf 40 Prozent. Diese Zahlen stehen außerhalb der Primärdokumente dieses Dossiers und sollten als Kontext behandelt werden, nicht als bestätigte Messungen.

Was das Dossier bestätigt, ist der Mechanismus. AI Overviews beantworten Fragen direkt auf der Ergebnisseite, der Klick, der früher zu einem Verlag ging, findet also nicht statt. Google zahlt dann einer Teilmenge der Verlage für die Inhalte, die die Antwort gespeist haben. Die Sätze legt Google fest, die Bedingungen schreibt Google, den Ausstieg kontrolliert Google. The Decoder beschrieb die Regelung als Divide-and-conquer-Ansatz, der ein Gefangenendilemma erzeugt: Einige profitieren, die meisten bekommen wenig oder nichts, und Verlage, die aussteigen, setzen Google kaum unter Druck, weil andere Quellen die Lücke füllen.

Einzelverträge sorgen zudem dafür, dass Verlage weiter getrennt statt gemeinsam verhandeln.

Das strukturelle Argument lautet: Würde Google alles zu einem fairen Satz lizenzieren, würde seine Marge 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, als es immer mehr Inhalte aus dem Web in die Suche holte. 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 berichtete TechCrunch, Flow Engineering, ein drei Jahre altes Start-up aus San Francisco, das KI-Werkzeuge für Hardware-Design verkauft, habe eine Series B über 50.000.000 Dollar bei einer Bewertung von 750.000.000 Dollar aufgenommen. Die Runde wurde gemeinsam von Antonio Gracias von Valar Equity Partners und Gavin Baker von Atreides Management angeführt. Sequoia Capital beteiligte sich neben dem ehemaligen Sequoia-Partner Roelof Botha, der persönlich 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 berichtete 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 elektronische Designautomatisierung her, also die Software, mit der Ingenieure Chips entwerfen. OpenAI lizenziert diese Werkzeuge, damit das Modell über Chipdesign und Verifikation schlussfolgern und die Werkzeuge direkt bedienen kann. Ingenieure delegieren dabei Ziele und prüfen die Ergebnisse. Das Modell läuft auf OpenAIs Infrastruktur. Beide Unternehmen erklärten, Kundendaten würden nicht für das 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 erheblich 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 von Modal mit dem Full Stack Data Lab der Carnegie Mellon University, meldete über eine Milliarde verarbeitete Tokens pro Minute pro H100-GPU bei einer Multi-Join-AI-SQL-Abfrage. Das ist mehr als 10-mal schneller als eine vLLM-Basislinie auf derselben Hardware und kostet unter 6 Cent pro Milliarde Tokens auf Modal. Bei einem neuen Benchmark für AI-SQL-Abfragen lief sie 1,84-mal schneller als vLLM, geometrisch gemittelt über die Aufgaben. Ein Open-Source-Projekt namens Magnitude, am 30. September auf GitHub veröffentlicht, beansprucht bis zu 2-mal schnellere Inferenz als llama.cpp, indem es Kernel auf der eigenen Hardware des Nutzers kompiliert und abstimmt, mit 92 Prozent schnellerem Decode auf Metal und 19 Prozent auf CUDA.

Nichts davon bezahlt die Rechnungen eines Verlags. Es erklärt, 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 indirekte Branch-Prediction-Einträge nicht unbedingt ungültig. In JIT-Engines können diese veralteten Ziele den ursprünglichen Code überleben und wiederverwendet werden, wenn der Code-Cache neu gefüllt wird. So entsteht ein spekulatives Execute-after-free-Primitiv. Das Team analysierte Linux-cBPF, Oracle GraalVM und SpiderMonkey, die JIT-Engine in Firefox, und baute zwei Ende-zu-Ende-Exploits gegen den Linux-Kernel. Sie leaken 8 Bytes pro Sekunde und durchlaufen die Kernel-Task-Liste, um einen Root-Passwort-Hash zu extrahieren. Auch die Option bpf_jit_harden zur Konstantenverschleierung umgingen sie.

Das ist ein anderes Problem als Googles Verlagsprogramm, fällt aber 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. Darin geht es um einen Entwickler, der behauptet, Apple-Ingenieur zu sein. Er baute ein öffentliches GitHub-Projekt, das interne Aktivierungen in Alibabas offenen Qwen3-Modellen manipuliert, um schmerzähnliche Zustände zu erzeugen, und löschte einen Werbebeitrag nach Kritik. 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 behaupten nicht, die Modelle bewusst Schmerz empfänden.

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