Welche berühmten Filme stehen unter freier Lizenz? In welchen Ländern liegen die größten Wüsten? Und welche Tech-CEOs sitzen in den Aufsichtsräten welcher anderen Unternehmen? Antworten auf solche Fragen liefern heute in erster Linie Suchmaschinen, Reise-Apps oder Sprachassistenten. All diese Tools haben dieselbe Anforderung: Daten müssen zuverlässig, strukturiert und maschinenlesbar sein, damit Anwendungen sie automatisiert aggregieren, analysieren und bereitstellen können. Eine zentrale Datenquelle ist Wikidata. Dieser Artikel erklärt, warum das Projekt mehr als eine gewöhnliche Datenbank ist und wie Entwicklerteams einfach auf die Daten zugreifen können.

Ursprünglich 2012 von Wikimedia Deutschland als strukturierte Datengrundlage für Wikipedia gestartet, hat sich Wikidata zu einer eigenständigen offenen Wissensinfrastruktur entwickelt. Heute enthält das Projekt über 120 Millionen Einträge und mehr als 1,6 Milliarden Aussagen, gepflegt von rund 24.000 Freiwilligen weltweit. Alle Inhalte sind in über 600 Sprachen verfügbar und stehen, genau wie die Daten, unter der Lizenz CC0, der permissivsten Creative-Commons-Lizenz. Es werden keine Rechte vorbehalten.

Anders als klassische Datenbanken organisiert Wikidata Wissen als Graph aus Entitäten und deren Beziehungen. Entitäten stehen für eindeutig identifizierbare Dinge wie Personen, Orte, Organisationen, Konzepte oder Werke und sind durch stabile IDs eindeutig gekennzeichnet – Berlin hat beispielsweise die ID Q64. Statements bilden die Verbindungen zwischen Entitäten ab, wodurch ein Wissensgraph entsteht. Entwickler und Software nutzen die Wissensgraphen, um Netzwerke zu analysieren, Beziehungen über mehrere Ebenen herzustellen und indirekte Verknüpfungen oder neue Zusammenhänge zu entdecken.

Das war die Leseprobe unseres heise-Plus-Artikels „Wikimedia-Projekte: Wikidata als Datenquelle nutzen“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.

Maximal ein Jahr lang soll die Umweltbehörde des US-Staates New York keine Genehmigungen für neue Rechenzentren ab 50 Megawatt ausstellen. Das ordnet Gouverneurin Kathy Hochul von der Partei der Demokraten an. Mit ihrem Moratorium greift sie einem strengeren Gesetz vor, das vom Parlament verabschiedet wurde und Hochul zur Unterschrift vorgelegt werden wird.

Bereits genehmigte Projekte sind von dem Erlass Nummer 62 nicht betroffen. Die Zeit des Moratoriums soll dazu genutzt werden, Rahmenbedingungen auszuarbeiten, allen voran ein Umweltverträglichkeitsprofil (Generic Environmental Impact Statement). Dieses soll in Zukunft jedem Antrag auf Genehmigung eines großen Rechenzentrums beigelegt werden und Auskunft über potenzielle Auswirkungen von Bau und Betrieb geben: Energieverbrauch, Wasserverbrauch, Auswirkungen auf Wasser und Luft, überproportionale Auswirkungen auf bereits benachteiligte Siedlungen sowie Lärm.

Das soll einheitliche Genehmigungsstandards sicherstellen. Das Moratorium endet, sobald die Ausarbeitung des Umweltverträglichkeitsprofil abgeschlossen ist, oder in einem Jahr, was immer früher kommt. Große Rechenzentren sind laut, brauchen viel Kühlwasser und große Mengen Stroms. Das führt zu mehr Emissionen und höheren Strompreisen für alle.

Erneuerbare Energien und Vorteile für Kommunen

Zusätzlich möchte Hochul Kommunen bei ihren Verhandlungen mit potenziellen Rechenzentrumsbetreibern unterstützen. Der Entwurf eines Leitfadens namens Community Investment Framework ist in Begutachtung. Ziel ist, dass die Betreiber die jeweilige Kommune unterstützen, beispielsweise durch Investitionen in Infrastruktur, Kindergärten oder direkte Geldzahlungen. Zusätzlich sollen Gewerkschaften beigezogen werden, um Mindestlöhne und Betriebsvereinbarungen für die Bauarbeiten aushandeln zu können. Dazu könnten Vorgaben wie die Beschäftigung örtlicher Arbeitskräfte, Fortbildung oder die Aufnahme von Lehrlingen zählen.

Unter dem Schlagwort Energize NY sind bereits Regularien in Vorbereitung, die große Rechenzentren dazu bringen sollen, ihren Strom selbst zu produzieren oder höhere Strompreise zu zahlen. Das soll weitere Preissteigerungen für die Allgemeinheit hintanhalten. Nun ordnet Hochul an, dass das zuständige Ministerium überlegt, ob große Rechenzentren zusätzlich dazu verpflichtet werden sollen, in die öffentliche Stromnetzinfrastruktur zu investieren, und/oder eigene, erneuerbare Energiequellen für ihren eigenen Strombedarf zu erschließen.

Strengeres Gesetz

Das Parlament hat Anfang Juni ein Gesetz (2025-A11560) verabschiedet, das strengere Auflagen macht als Hochuls Erlass. Das einjährige Moratorium soll laut Gesetz bereits ab 20 Megawatt greifen. Nach Ende des Moratorium würde im Genehmigungsverfahren eine öffentliche Anhörung verpflichtend.

Die Umweltbehörde soll die Auswirkungen auf Wasser, Strom, Bodenverbrauch, Steueraufkommen und -anreize, Umweltverschmutzung und andere abträgliche Auswirkungen erheben. Die zuständige Regulierungsbehörde soll separate, höhere Tarife für Wasser- und Stromverbrauch großer Rechenzentren erlassen, damit diese ihren vollen Kostenanteil für Stromnetz und Wasserinfrastruktur tragen.

Außerdem sind verpflichtende Standards für Energieeffizienz und Einsatz erneuerbarer Energie vorgesehen. Hinzu kommen Auflagen zur Finanzierung örtlicher Infrastruktur und der Renovierung von Eigenheimen in der jeweiligen Kommune.

Hochuls milderer Erlass deutet darauf hin, dass sie gegen das Gesetz ein Veto erheben wird. Rechenzentren sind in New York von der allgemeinen Verkaufssteuer befreit. Die Gouverneurin ruft das Parlament dazu auf, diese Steuerbefreiung abzuschaffen.

(ds)

Der KI-Forscher Richard Sutton, 2024 mit dem Turing-Award ausgezeichnet und einer der „Begründer des Reinforcement Learning“, hat ein eigenes Startup gegründet. Der Name spielt auf Suttons „OaK“-Architektur an, einen Entwurf für kontinuierlich lernende Agenten.

Das kanadische Oak Lab will KI-Agenten bauen, die im laufenden Betrieb aus Erfahrung weiterlernen, statt nach dem Training eingefroren zu werden. Sutton selbst kündigte den Schritt auf X an, Mitgründer ist sein früherer Student Khurram Javed. Beide kommen von Keen Technologies, der KI-Firma des Spieleentwicklers John Carmack, die sie nach eigenen Angaben dafür verlassen haben.

Lernen aus dem Datenstrom, ohne zu speichern

Technisch grenzt sich Oak Lab bewusst von heutigen Sprachmodellen ab. Statt aus einem kuratierten Datensatz zu lernen und danach statisch zu bleiben – oder, wie heute als „selbstlernende KI“ gepriesene Systeme, immer mal wieder neue Wissensdatenbanken zu bekommen oder hin und wieder nachtrainiert zu werden – sollen die Agenten laut Firmenangaben in Echtzeit dazulernen. Und das ohne Daten zu speichern oder erneut abzuspielen. Mit dieser Idee grenzt sich Sutton vom Mainstream ab; Anbieter wie OpenAI, Google und Meta trainieren ihre Modelle gerade mit immer mehr Daten und in immer größeren Rechenzentren. Oaks KI soll weniger Rechenleistung und Energie benötigen als die aktuellen Methoden und so kontinuierliches Lernen im laufenden Betrieb möglich machen.

Eine Idee, kein Produkt

Oak Lab ist aktuell Grundlagenforschung: Es gibt kein Produkt, keine genannte Finanzierung und keinen Zeitplan. Ob der Weg über Reinforcement Learning zum Ziel führt, dürfte sich erst in den kommenden Jahren zeigen.

Als langfristiges Ziel nennt Oak Lab einen Agenten mit einer Billion Parametern, der in Echtzeit lernt und plant und dabei nur 20 Watt verbraucht – ungefähr so viel wie das menschliche Gehirn. Das sei jedoch als Richtung zu verstehen, als ihr „heiliger Grahl“, nicht als Produktversprechen, teilte das Startup mit.

(rie)