Amazon koopt zeldzame tweedehands boeken en vernietigt ze voor AI-training

dinsdag, 18 augustus 2026 om 18:54

Oude tweedehands boeken worden verwerkt bij een industriële boekscanner in een magazijnomgeving.

Amazon koopt op grote schaal fysieke boeken, laat de ruggen ervan afsnijden en scant de losse pagina's om trainingsdata voor kunstmatige intelligentie te verzamelen. Dat blijkt uit een onderzoek dat 404 Media publiceerde. De journalisten volgden een zending met een verborgen tracker tot een Amazon-faciliteit in Las Vegas, waar medewerkers volgens de publicatie boeken verwerken voor AI-training.

Het onderzoek legt vooral een opvallende juridische route bloot die eerder door Anthropic werd gebruikt. AI-bedrijven kunnen fysieke boeken legaal aanschaffen, digitaliseren en de papieren exemplaren vernietigen. Een Amerikaanse rechter oordeelde in 2025 in een zaak tegen Anthropic dat die specifieke werkwijze onder 'fair use' kon vallen.

Daarmee ontstaat een ongemakkelijke situatie: een bedrijf kan een tweedehands boek voor enkele dollars kopen, de volledige inhoud digitaliseren en die tekst vervolgens gebruiken bij de ontwikkeling van commercieel waardevolle AI-systemen, zonder automatisch een aparte licentie bij de auteur of uitgever af te sluiten.

De grote vraag is daardoor niet alleen wat Amazon met de boeken doet, maar ook of de huidige auteursrechtregels nog passen bij de schaal waarop AI-bedrijven menselijke kennis verwerken.

Hoe ontdekte 404 Media de boekenoperatie van Amazon?

404 Media ontdekte de operatie door letterlijk een fysiek boek te volgen. Journalist Emanuel Maiberg werkte voor het onderzoek samen met een verkoper die een partij moeilijk verkrijgbare boeken leverde waarvan werd vermoed dat een AI-bedrijf de koper was.

In een van de boeken werd een tracker verstopt. De zending reisde vervolgens door de Verenigde Staten en eindigde volgens 404 Media bij een Amazon-magazijn in Las Vegas, Nevada.

Medewerkers van die locatie vertelden de publicatie dat grote hoeveelheden gedrukte boeken daar worden ontvangen. De ruggen worden vervolgens verwijderd, zodat de losse pagina's veel sneller kunnen worden gescand. Het oorspronkelijke boek wordt daarbij vernietigd.

404 Media identificeert de locatie als VGT3. Het team zou zelfs een eigen logo hebben: een dinosaurus met een boek in zijn handen.

Amazon heeft daarmee volgens het onderzoek een infrastructuur opgebouwd waarmee fysieke boeken op grote schaal kunnen worden omgezet in digitale data.

Waarom zijn tweedehands boeken interessant voor AI?

Tweedehands boeken vormen een aantrekkelijke databron omdat veel van hun inhoud niet vrij en gestructureerd op internet staat. Vooral oude, specialistische, buitenlandse en nauwelijks gedigitaliseerde boeken kunnen tekst bevatten die niet in bestaande trainingsdatasets voorkomt.

Grote taalmodellen hebben enorme hoeveelheden tekst nodig om patronen in menselijke taal te leren. Boeken zijn daarvoor bijzonder interessant omdat ze doorgaans lange, geredigeerde en inhoudelijk samenhangende teksten bevatten.

Daar komt een nieuw probleem bij. Het openbare internet bevat inmiddels zelf steeds meer door AI gegenereerde teksten. Oudere boeken bieden daarentegen gegarandeerd materiaal uit een periode voordat ChatGPT en vergelijkbare systemen bestonden.

Een vergeten technisch handboek uit 1986 kan voor een verzamelaar nauwelijks waarde hebben, maar voor een AI-bedrijf toch interessant zijn vanwege de kennis en menselijke tekst die erin staat.

AI geeft tweedehands boeken daarmee een compleet nieuwe economische functie: ze worden trainingsmateriaal.

Amazon volgt een route die Anthropic eerder gebruikte

Amazon is niet het eerste grote AI-bedrijf dat fysieke boeken op deze manier inzet. Anthropic, ontwikkelaar van Claude, kocht eerder miljoenen papieren boeken om een omvangrijke digitale bibliotheek op te bouwen.

AI Wereld schreef in 2025 al dat Anthropic miljoenen fysieke boeken kocht, scande en vernietigde. Het bedrijf schakelde daarvoor onder meer Tom Turvey in, die eerder bij Google Books werkte.

Uit rechtbankdocumenten bleek dat Anthropic een centrale bibliotheek wilde opbouwen met uiteindelijk vrijwel "alle boeken ter wereld". Het bedrijf kocht daarvoor op grote schaal fysieke exemplaren, verwijderde de kaften en banden en digitaliseerde de pagina's.

De parallel met de nieuwe bevindingen over Amazon is opvallend. Amazon heeft bovendien een nauwe zakelijke relatie met Anthropic en investeerde miljarden dollars in het AI-bedrijf. Het onderzoek van 404 Media beschrijft echter een Amazon-operatie en vormt op zichzelf geen bewijs dat beide bedrijven hun boekenscanprojecten gezamenlijk uitvoeren.

Waarom worden de boeken eigenlijk vernietigd?

Het vernietigen van boeken is geen technische noodzaak. Boeken kunnen ook zonder beschadiging worden gedigitaliseerd, zoals bibliotheken en archieven al jaren doen.

Destructief scannen is wel sneller en gemakkelijker op industriële schaal. Nadat de rug van een boek is afgesneden, kunnen losse pagina's door automatische documentscanners worden gevoerd. Software voor Optical Character Recognition, of OCR, zet de afbeeldingen vervolgens om in digitale tekst.

Maar er speelt ook een belangrijk juridisch element.

In juni 2025 oordeelde de Amerikaanse federale rechter William Alsup in Bartz v. Anthropic dat het digitaliseren van rechtmatig gekochte fysieke boeken onder de specifieke omstandigheden van Anthropic als fair use kon gelden. Het bedrijf verving het gekochte fysieke exemplaar door een interne digitale kopie en verspreidde die kopie niet verder.

Dat onderscheid is essentieel.

De uitspraak zegt niet dat ieder AI-bedrijf voortaan ieder auteursrechtelijk beschermd boek vrij mag kopiëren. Het is bovendien een uitspraak van een Amerikaanse districtsrechtbank en geen definitief landelijk precedent.

Maar voor AI-bedrijven laat de zaak wel een juridisch interessante route zien: koop het fysieke exemplaar legaal, maak er een digitale interne versie van, vernietig het origineel en gebruik de verkregen data vervolgens intern.

Is dit een maas in de auteurswet?

In praktische zin lijkt de constructie op een maas, maar juridisch is die omschrijving te stellig. De Amerikaanse fair-useleer is bewust flexibel en rechtbanken beoordelen toepassingen aan de hand van verschillende factoren.

Toch ontstaat door de Anthropic-uitspraak een opvallend verschil tussen de economische realiteit van een boek en die van AI-training.

Een consument die een tweedehands boek koopt, betaalt de auteur doorgaans niet opnieuw. Dat past bij het principe dat een rechtmatig gekocht fysiek exemplaar kan worden doorverkocht.

Een AI-bedrijf kan hetzelfde exemplaar kopen, maar heeft een heel ander doel. Het bedrijf wil niet alleen het boek lezen. Het kan de inhoud omzetten in machineleesbare data en gebruiken voor modellen die vervolgens miljoenen gebruikers bedienen en miljarden dollars waard kunnen zijn.

De prijs van het tweedehands boek en de potentiële economische waarde van de trainingsdata staan daardoor nauwelijks met elkaar in verhouding.

Dat is precies waarom het debat over AI en auteursrecht steeds vaker verschuift van de vraag "is de kopie legaal verkregen?" naar een bredere vraag: moet commercieel gebruik als AI-trainingsdata een afzonderlijk recht of licentiemodel krijgen?

Maar Anthropic kreeg óók een rekening van 1,5 miljard dollar

De Anthropic-zaak laat tegelijkertijd zien waarom legaal inkopen belangrijk is. Anthropic gebruikte namelijk niet uitsluitend gekochte boeken.

Het bedrijf had volgens rechtbankstukken ook miljoenen boeken gedownload van piratenbibliotheken zoals LibGen en PiLiMi. Rechter Alsup maakte een scherp onderscheid tussen die bestanden en de fysiek aangeschafte boeken.

Het scannen van de gekochte exemplaren werd in die zaak als fair use gezien. Het aanleggen van een permanente bibliotheek met illegaal verkregen boeken kreeg die bescherming niet.

Anthropic schikte uiteindelijk voor 1,5 miljard dollar met auteurs en rechthebbenden. In juli 2026 kreeg die overeenkomst definitieve goedkeuring van de rechtbank.

Dat is relevant voor Amazon. De juridische les uit de Anthropic-zaak is niet simpelweg dat AI-training met boeken "legaal" is. De manier waarop een bedrijf de bron verkrijgt, kan juridisch minstens zo belangrijk zijn.

AI Wereld beschreef eerder uitgebreid hoe de Anthropic-schikking ontstond en welke rol piratenbibliotheken daarbij speelden.

Is het scannen van tweedehands boeken goed of slecht?

Het eerlijke antwoord is dat beide kanten verdedigbare argumenten hebben.

Digitalisering kan kennis bewaren die anders verloren gaat. Tweedehands boekhandels, bibliotheken en magazijnen beschikken over enorme hoeveelheden boeken waarvoor nauwelijks commerciële vraag bestaat. Een deel daarvan wordt uiteindelijk weggegooid of gerecycled.

Vanuit dat perspectief kan digitalisering juist waarde creëren. De tekst blijft bestaan en kan bijdragen aan AI-systemen die kennis toegankelijker maken.

Maar daar zit een fundamentele beperking aan.

Een interne dataset van Amazon is geen openbaar archief.

Wanneer een schaars boek wordt vernietigd en de scan uitsluitend binnen een technologiebedrijf beschikbaar blijft, heeft een bibliotheek, onderzoeker of burger daar niet automatisch toegang toe. De kennis wordt wel digitaal behouden, maar feitelijk geprivatiseerd.

Dat maakt de situatie wezenlijk anders dan een digitaliseringsproject van een openbare bibliotheek.

Vooral bij zeldzame boeken ontstaat een lastig dilemma

De term "zeldzaam" verdient eveneens voorzichtigheid. Een zeldzaam boek is niet automatisch een kostbaar of uniek historisch object.

Een weinig verkochte handleiding uit 1974 kan vandaag nog maar in enkele exemplaren bestaan zonder dat verzamelaars er veel geld voor overhebben. Hetzelfde geldt voor lokale publicaties, buitenlandse boeken, oude studieboeken en kleine oplages.

404 Media zegt de titels uit de gevolgde zending bewust niet openbaar te maken. Volgens de publicatie waren er weinig exemplaren van in omloop, onder meer doordat sommige werken oorspronkelijk in kleine oplages verschenen of in minder gesproken talen zijn gepubliceerd.

Dat maakt het moeilijk om de culturele schade precies te beoordelen.

Er bestaat een groot verschil tussen het vernietigen van één exemplaar van een boek waarvan elders nog tientallen exemplaren bestaan en het vernietigen van een exemplaar met unieke aantekeningen, herkomstgegevens of andere historische eigenschappen.

Juist bij industriële verwerking wordt die controle belangrijk.

Auteurs krijgen niet automatisch betaald voor AI-training

Voor schrijvers en uitgevers zit het gevoeligste punt ergens anders. De aanschaf van een fysiek tweedehands exemplaar betekent niet automatisch dat de oorspronkelijke maker opnieuw inkomsten ontvangt.

Het AI-bedrijf betaalt de verkoper van het exemplaar. Vervolgens kan het de inhoud gebruiken bij de ontwikkeling van een commercieel AI-model.

Dat spanningsveld speelt inmiddels in vrijwel de hele AI-industrie. Meta, OpenAI, Anthropic en andere bedrijven zijn betrokken geweest bij juridische conflicten over de vraag onder welke voorwaarden auteursrechtelijk beschermd materiaal voor modeltraining mag worden gebruikt.

AI Wereld schreef bijvoorbeeld eerder over uitgevers die Meta aanklagen wegens AI-training op boeken.

Ook politiek neemt de druk toe. Het Europees Parlement heeft voorstellen gedaan die rechthebbenden meer controle en vergoeding moeten geven wanneer beschermd materiaal als trainingsdata wordt gebruikt. AI Wereld behandelde eerder het Europese debat over betaling voor auteursrechtelijk beschermde AI-trainingsdata.

De Europese discussie is belangrijk omdat Amerikaanse fair use niet één op één toepasbaar is op het Europese auteursrecht.

De strijd om goede AI-data verplaatst zich naar de fysieke wereld

Het Amazon-onderzoek laat uiteindelijk vooral zien hoe waardevol menselijke teksten zijn geworden. De grootste AI-bedrijven beschikken over enorme hoeveelheden rekenkracht, maar krachtige chips zijn nutteloos zonder hoogwaardige data waarmee modellen kunnen leren.

Daarom ontstaat een nieuwe zoektocht naar bronnen die nog niet volledig zijn uitgeput.

Eerst werd het openbare internet op enorme schaal verzameld. Daarna kwamen licentiedeals met mediabedrijven en databanken. Tegelijkertijd ontstonden rechtszaken over boeken, nieuwsartikelen, muziek en afbeeldingen.

Nu krijgt zelfs de tweedehands boekenmarkt een rol in die race.

Het opvallende is dat een boek daarbij twee totaal verschillende waarden kan hebben. Voor een boekhandel kan een obscure uitgave nauwelijks verkoopbaar zijn. Voor een AI-bedrijf kan precies dezelfde publicatie een stukje unieke trainingsdata bevatten.

Of dat goed of slecht is, hangt daarom niet alleen af van het scannen zelf. De doorslaggevende vragen zijn welke boeken worden vernietigd, of er andere exemplaren bestaan, hoe de digitale tekst wordt gebruikt, wie toegang krijgt tot die digitale kopie en of de oorspronkelijke makers delen in de economische waarde die ermee wordt opgebouwd.

Zolang die vragen niet duidelijk worden geregeld, hebben grote AI-bedrijven een sterke prikkel om de grenzen van het bestaande auteursrecht op te zoeken.

Amazon laat nu zien dat die zoektocht niet ophoudt bij het internet. Ook de stoffige stapels in tweedehands boekhandels zijn waardevolle grondstof geworden voor de AI-economie.

Robin HeesterOprichter

Robin Heester is mede-oprichter van AI Wereld en heeft door de jaren heen meerdere websites, nieuwsbrieven en magazines opgericht. Hij schrijft over technologie, innovatie en de maatschappelijke impact van nieuwe digitale ontwikkelingen.