Unternehmen wie OpenAI, Meta und Google befinden sich in einem Wettlauf, um Daten für das Training ihrer KI-Modelle zu sammeln. Einige Branchenführer jedoch warnen davor, sich ausschließlich auf öffentlich zugängliche Daten zu verlassen, da dies zu Urheberrechtsklagen führen könnte. Stattdessen plädieren sie für die Verwendung von synthetischen Daten, die künstlich generiert werden und mehr Kontrolle und Privatsphäre bieten. Synthetische Daten gelten als sicherere Alternative, die die Entwicklung von generativer KI erleichtern kann. Allerdings hat sie auch ihre Grenzen, wie die Unfähigkeit, perfekte Daten ohne bereits vorhandene Informationen zu erstellen, und Herausforderungen in Bezug auf Privatsphäre und Genauigkeit bei begrenzten Daten.

Öffentliche Daten stellen ebenfalls Herausforderungen dar, darunter fehlende wichtige Details sowie regulatorische Beschränkungen beim Zugang zu Daten. Der Fokus sollte auf datenschutzorientierten Ansätzen und verantwortungsvollem datenbasierten Design für eine nachhaltige KI-Entwicklung liegen. Synthetische Daten können eine Rolle bei der Demokratisierung des Datenzugangs in Organisationen spielen, Werte schaffen und Innovation fördern. Die Zukunft liegt in kleineren, spezialisierten KI-Modellen, die auf spezifische Aufgaben abzielen, sowie in Vorschriften, die die Risiken von KI quantifizieren. Diese Veränderung steht im Einklang mit den Prinzipien der differentiellen Privatsphäre und synthetischen Daten und betont zielorientierte und effiziente Entwicklung anstelle von umfangreicher Datensammlung.