Restricted access to AI data could cost Germany 155 billion euros in lost value added
Det tyske økonomisk-instituttet ifo advarer mot at innsnevret tilgang til treningsdata for KI kan koste Tyskland 155 milliarder euro i tapt merverdi hvert år. Tallet er ikke et målt tap, men resultatet av en modellberegning publisert tirsdag 13. oktober 2026 — midt i pågående europeisk regelarbeid om innsyn og opt-out for KI-treningsdata.
Hva ifo har beregnet
Utgangspunktet er et anslag om at generativ KI kan tilføre Tysklands økonomi 440 milliarder euro i året innen 2034, ifølge ifos modellberegning gjengitt av Reuters (AOL/Reuters). Hvis utviklere får det vanskeligere å skaffe treningsdata, vil dette potensialet ifølge beregningen reduseres med 155 milliarder euro — rundt 173 milliarder dollar — i årlig merverdi.
Tapene er oppdelt i fire kanaler:
- 45 milliarder euro fra tregere KI-adopsjon i næringslivet
- 75 milliarder euro fra svakere modeller
- 25 milliarder euro fra lavere forskningsproduksjon
- 10 milliarder euro fra redusert europeisk KI-utvikling
Summen av de fire postene utgjør de 155 milliardene. Den største enkeltposten — svakere modeller — peker på kjernen i ifos argument: Kvaliteten på den underliggende teknologien er avhengig av datatilgang, ikke bare av hvor raskt bedriftene tar teknologien i bruk.
Slik er 440-milliardstallet satt sammen
Den tyskspråklige dekningen fra dts Nachrichtenagentur gir en mer detaljert nedbrytning av potensialet (dts via trading-house.net): Rundt 330 milliarder euro kommer fra bred KI-bruk i økonomien, 65 milliarder fra mer produktiv forskning, og 45 milliarder fra selve KI-utviklingen i Tyskland.
Analysen ble utarbeidet av ifos senter for innovasjonsøkonomi og digital transformasjon under ledelse av Oliver Falck, i samarbeid med Martin Thelle fra konsulentselskapet Implement Consulting Group.
Datasjelen: 2–3 billioner tokens mot 15–36
Et sentralt tall i studien illustrerer hvorfor datatilgang veier så tungt. Ifølge dts, med forbeholdet «den Angaben zufolge» (etter opplysninger fra studien), omfatter Europas største opphavsrettsfrie datasett bare to til tre billioner tokens. Internasjonalt ledende modeller har allerede trent på 15 til 36 billioner tokens.
Forskjellen er i størrelsesordenen syv til tolv ganger. Argumentet er at europeiske modellutviklere, med et langt mindre gruntvann av fritt tilgjengelige data, blir avhengige av å kunne bruke beskyttet materiale innenfor rammene av EUs unntak for tekst og datamining (TDM) — og at innsnevringer her vil ramme nettopp den europeiske modellkonkurransen.
Falcks kjernebudskap
«Den som ønsker en ledende europeisk KI-modell, kan ikke samtidig gjøre tilgangen til treningsdata unødvendig komplisert. Man kan ikke ha begge deler», sa ifo-ekspert Oliver Falck til Reuters.
Studiens forfattere oppfordrer beslutningstakerne til å bevare EUs TDM-unntak for kommersiell bruk, samtidig som man innfører proporsjonale transparanskrav og en praktisk gjennomførbar opt-out-ordning. De hevder at regulatorisk usikkerhet allerede skremmer investeringer i Europa.
Samtidig peker dts-dekningen på at TDM-unntaket ikke løser alt: Spørsmål om vederlag til rettighetshavere, transparanskrav og vern av opphavspersoner forblir uavklart. Det er en reell spenning i saken — ifo anbefaler et bevart unntak, men spørsmålet om kompensasjon til kreative står fortsatt åpent, og studien håndterer det ikke fullt ut i de tilgjengelige fremstillingene.
Bransjen er enig — og har egne interesser
To bransjeaktører støtter ifos konklusjoner i Reuters-dekningen. Ilhan Scheer, administrerende direktør i det tyske KI-selskapet Aleph Alpha, sa: «Tilgang til mangfoldige treningsdata av høy kvalitet er essensielt for konkurransedyktig KI. Unødvendige restriksjoner og juridisk usikkerhet gjør utviklingen vanskeligere.»
Florian Schewor, DACH-direktør i dataanalyseselskapet Celonis, argumenterte for at KI bare kan realisere sitt potensial hvis datatilgang ikke unødvendig begrenses, og la til at tysk og europeisk industri sitter på enorme mengder stort sett uutnyttede data.
Begge utsagn bør leses som interessentargumenter: Aleph Alpha bygger språkmodeller som er avhengige av treningsdata, og Celonis forretningskonsept handler om å utnytte bedriftsdata. Deres støtte til ifos konklusjoner er autentiske posisjoner, men ikke uavhengige vurderinger.
Et anslag, ikke et målt tap
De 155 og 440 milliardene er scenarioberegninger frem mot 2034, ikke observerte tap eller sikre prognoser. Ingen av de tilgjengelige kildene — Reuters’ nyhetsmelding og dts’ studiegjennomgang — dokumenterer metodikken bak tallene: antakelsene om adopsjonsrater, modellkvalitet eller hvordan innsnevringer av datatilgang konkret slår ut. Leseren bør derfor behandle 155-milliardstallet som et politisk relevant estimat fra et anerkjent institutt, ikke som en fast størrelse.
Det endelige utfallet avhenger av hvordan EU-regelverket faktisk utformes. Det er verdt å merke seg at studien ikke argumenterer mot regulering som sådan: Forfatterne ønsker både transparanskrav og en opt-out-ordning, men med utforminger de kaller proporsjonale og praktiske. Stridens kjerne er altså ikke om rettighetshavere skal ha kontroll, men hvor omfattende friksjon opt-out og innsynskrav kan innebære i praksis.
Hvorfor nå
Publiseringstidspunktet er ikke tilfeldig. Europa er i ferd med å avklare reglene for innsyn i og opt-out fra KI-treningsdata, i konkurranse med USA og Kina om avanserte modeller. ifos beregning er et innspill i denne prosessen: Ved å knytte et konkret beløp til datatilgang gir studien motstandere av strenge restriksjoner et siterbart argument — mens de åpne spørsmålene om kompensasjon og skapervern viser at debatten ikke er ferdig avklart fra noen side.