Nederlandstalige tweedehands boeken zijn een goudmijn voor AI-bedrijven: ‘Dit is een vorm van barbarisme’

Nancy Schot (33) grinnikt. Sinds een aantal maanden krijgt de handelaar in tweedehands boeken nogal ongewone bestellingen. Bestellingen die uit de toon vallen.

Om drie of vier uur ’s nachts komen ze binnen. Soms bestaan ze uit één boek, soms uit vier, en dan weer koopt de buitenlandse partij vijftien boeken tegelijk. Zonder bezwaar betaalt het bedrijf meerdere keren per dag verzendkosten. De eerste keren dat dat gebeurde wilde Schot die nog wel eens terugboeken. Nu doet ze dat allang niet meer. Haar collega’s pakken de boeken uit de metershoge houten stellingkasten, verpakken ze in karton, en sturen ze naar de koper.

Op die manier heeft Antiquariaat Schot uit Hendrik-Ido-Ambacht, een dorpje onder Ridderkerk, sinds mei al „vier- tot vijfduizend” tweedehands boeken verkocht aan Canadese en Amerikaanse bedrijven. In 2018 begon de boekenliefhebber haar handel in een loods achter een dijk die het binnendijkse land beschermt tegen hoogwater uit de Oude Maas. Ze heeft zo’n 150.000 tweedehands boeken. „Vooral studieboeken: over religie, filosofie, kunst, literatuur, wetenschap, dat soort dingen. Ik heb weinig fictie, weinig romans. Daar valt weinig aan te verdienen.”

Dat ze haar collectie ooit in deze aantallen zou slijten aan Noord-Amerikaanse bedrijven had ze nooit verwacht. Ze leest voor van aan elkaar geniete A4’tjes waar recente bestellingen op staan: Taaltoetsen voor taalzwakke leerlingen in het primair onderwijs (2007). Een proefschrift genaamd Hydrodynamische ruwheid van uiterwaardvegetatie (2007). Een boekje over het Den Haag van Ferdinand Bordewijk (1999). ‘Echtscheiding kwam niet in mijn woordenboek voor’: een boekje over hoe de kerk dient om te gaan met gescheiden mensen (2000).

Nancy Schot is niet de enige Nederlandse boekhandelaar die de afgelopen maanden opvallende bestellingen uit het buitenland kreeg. NRC sprak vijf Nederlandse handelaars in tweedehandsboeken met vergelijkbare verhalen. Ook uit andere landen komen de afgelopen maanden verhalen over boekenverkopers die werden verrast door een vernieuwde interesse in hun voorraad. Op het Duitse forum Lesekauz gaat het al maanden bijna nergens anders over, en ook op Reddit delen verkopers breeduit verhalen, waarop anderen weer reageren: „Ik heb dit ook meegemaakt.”

AI-training

Eén van de actiefste inkopers van al die boeken is het bedrijf Zoom Books uit Canada. Drie handelaren die NRC sprak zijn daardoor benaderd, twee zijn ermee in zee gegaan. NRC sprak verschillende AI-experts die eensgezind vermoeden dat de boeken via een bedrijf als Zoom Books terechtkomen bij Amerikaanse techbedrijven die daarmee hun AI-modellen trainen. Die hypothese werd dinsdag aannemelijker toen onderzoeksplatform 404 Media onthulde dat een boekenbestelling – waarvan ze de locatie met een AirTag van Apple konden volgen – terecht was gekomen bij een AI-trainingsfaciliteit van Amazon.

Boekhandel De Slegte, één van de grootste aanbieders van tweedehandsboeken in de Benelux, werd in juli door Zoom Books benaderd. In de mail, die NRC heeft ingezien, vertelt de medeoprichter van Zoom Books op zoek te zijn naar „meer dan 800.000 Nederlandse titels”. „We zijn van plan om langdurig boeken af te nemen”, zegt hij. Hij vraagt of De Slegte zijn inventaris in een Excel-bestand kan ontsluiten, zodat Zoom Books de gewenste boeken kan selecteren. Marnix Hokke, bedrijfsleider van De Slegte in Amsterdam, „vertrouwde het mailtje niet zo”, zegt hij, en liet het onbeantwoord. „De boeken die wij hebben, staan gewoon op onze website.”

Nancy Schot heeft grofweg 150.000 tweedehandsboeken in haar magazijn opgeslagen.

Foto Hedayatullah Amid/NRC

Frans Melk, eigenaar van een antiquariaat in Hilversum, ging wel met Zoom Books in zee. Hij zegt de afgelopen maanden al „voor meer dan 2.500 euro” te hebben verkocht aan het Canadese bedrijf. Net als bij Antiquariaat Schot verkocht hij ogenschijnlijk willekeurige boeken, waarvan hij niet had gedacht dat een buitenlandse partij er ooit in geïnteresseerd zou zijn: Nederlandse kookboeken, boeken over planten, over topografie.

Buitenlandse media die verhaal kwamen halen bij Zoom Books kregen te horen dat het bedrijf „om juridische en commerciële redenen” de identiteit van zijn klanten niet kon onthullen maar dat het „geen boeken digitaliseert of vernietigt”. Het ontkent niet als datamakelaar te fungeren. Op screenshots van blogposts is te zien dat Zoom Books zich afgelopen maart, met een inmiddels verwijderde handleiding over „hoe boeken gebruikt kunnen worden voor het trainen van AI”, expliciet op grote AI-bedrijven richtte.

Onstilbare datahonger

Waarom zouden grote techbedrijven via een tussenpartij als Zoom Books uiteindelijk uitkomen bij een loods in Zuid-Holland? Volgens Federico Pianzola, universitair docent computationele geesteswetenschappen aan de Rijksuniversiteit Groningen, heeft dat te maken met een hardnekkig probleem waar AI-bedrijven al jaren tegenaan lopen. Hun taalmodellen presteren opvallend slecht bij onderwerpen die weinig voorkomen in de data waarmee ze zijn getraind. Nu chatbots door een breed publiek gebruikt worden, merken AI-bedrijven dat gebruikers naar van alles vragen: hobby’s, lokale geschiedenis, specifieke vakkennis. De antwoorden daarop zijn vaak zwak, simpelweg omdat het benodigde materiaal nooit gedigitaliseerd is. Een Nederlands receptenboekje uit de jaren vijftig, legt Pianzola via de telefoon uit, staat domweg niet online.

In theorie zouden AI-bedrijven hun modellen met AI-gegenereerde tekst kunnen trainen. Maar niet voor niets willen ze juist materiaal dat vóór de succesvolle introductie van ChatGPT in 2022 is gemaakt — zoals de tweedehandsboeken van Schot. Pianzola: „Als je AI-gegenereerde teksten in de trainingsdata zou meenemen, wordt het aandeel van goede specialistische data in de dataset in verhouding nog kleiner. Daarmee slinkt de kans dat het taalmodel informatie uit die interessante niche opneemt in zijn output.”

Studieboeken over filosofie, taalkunde of streekgeschiedenis zijn volgens Pianzola om nog een reden waardevol: ze zijn geschreven om kennis over te dragen. Zo zijn ze meestal netjes opgebouwd in hoofdstukken en onderworpen aan een eindredactie. „Dat soort goed gestructureerde data vind je niet terug in gesprekken op Reddit of andere sociale media”, zegt hij.

Destructief scannen

Dat grote techbedrijven op industriële schaal boeken scannen om AI-modellen te trainen, is niet nieuw. Een goed gedocumenteerd voorbeeld is het heimelijke Project Panama van Anthropic, dat aan het licht kwam toen de AI-maker in 2024 vanwege een auteursrechtkwestie voor de rechter werd gesleept. Uit de rechtbankstukken blijkt dat Anthropic op grote schaal illegale databanken met gedigitaliseerde boeken leegtrok om Claude te trainen. Maar dat was niet genoeg: het kocht ook miljoenen fysieke boeken op. Om die snel te kunnen scannen, moesten de kaften er afgesneden worden. Nadat de data was geoogst, werden de boeken als oud papier gerecycled.

Dat zit sommige boekhandelaren niet lekker. Toen Pieter de Vries van Antiquariaat De Vries & de Vries in Haarlem hoorde over die praktijk, die ‘destructief scannen’ wordt genoemd, was hij wel „even sprakeloos”, zegt hij telefonisch. Hij vindt het een vorm van „barbarisme”. Edwin van der Leij, eigenaar van antiquariaat Van Hoorn in Nijmegen, zegt om die reden niet op een aanbod van een Singaporees AI-bedrijf te zijn ingegaan. Ook hij is tegen de manier waarop hij vermoedt dat ‘ze’ met boeken omgaan.

Hoe zit het met auteursrecht? Bernt Hugenholtz, hoogleraar informatierecht aan de Universiteit van Amsterdam, zegt telefonisch dat destructief scannen van tweedehands boeken voor AI-training in Europa „hoogstwaarschijnlijk” gewoon is toegestaan. Een richtlijn uit 2019 staat toe dat auteursrechtelijk beschermd materiaal gekopieerd wordt voor tekst- en datamining — een uitzondering die, zo vermoedt hij, ook AI-training dekt. Rechthebbenden kunnen hun werk via een op-out uitsluiten, maar bij oude boeken is dat vrijwel nooit gebeurd: niemand voorzag decennia geleden dat AI zijn boek zou opslokken. „Mijn conclusie is eigenlijk heel simpel: dat oude spul is gewoon te gebruiken”, zegt Hugenholtz.

Als de boeken in Noord-Amerika worden geslacht, is het Europees recht overigens überhaupt niet van toepassing. In de Verenigde Staten staat de fair use-doctrine centraal: wat doe je met het auteursrechtelijk beschermde materiaal? In de rechtszaak tegen Anthropic besloot een federale rechter dat het gebruik van boeken voor een AI-taalmodel geldt als „transformatief gebruik” — en dus is toegestaan. Zolang AI-modellen maar niet fragmenten uit boeken onthouden en die woord-voor-woord reproduceren.

Boekhandelaar word je uit een liefde voor boeken, dat geldt net zo goed voor Nancy Schot uit Hendrik-Ido-Ambacht. „Ik wil andere boekenliefhebbers blij maken. Ik ben hier nooit mee begonnen om AI te voeden.”

Ze legt haar hand op de A4’tjes met bestellingen. Boeken die al maanden, zo niet járen, in haar stellingkasten stonden, zonder dat er interesse voor was. „Niemand ligt er natuurlijk wakker van als dit soort boeken in de shredder belandt”, zegt Schot. Maar toen ze laatst een uitgave met de zestiende-eeuwse briefwisseling van de theoloog en reformator Heinrich Bullinger van de hand deed, voelde dat toch dubbel. „Daar zijn er geen duizenden van gemaakt. Dan denk je wel: hè, moet dat nou?”