Double Dipping, jetzt mit AI?

Usage ist die Zweitwährung des wissenschaftlichen Publizierens. Die erste Währung ist Geld. Die zweite beantwortet die Frage, ob sich dieses Geld gelohnt hat.

Seit wissenschaftliche Zeitschriften und Bücher digital genutzt werden, können Bibliotheken ziemlich genau sehen, wie oft ein Artikel aufgerufen, ein Kapitel heruntergeladen oder eine Datenbank durchsucht wurde. COUNTER wurde 2003 gegründet, um diese Nutzung über Verlage und Plattformen hinweg komfortabel und verlässlich vergleichbar zu machen. Aus Abonnementpreisen und Downloads ließ sich der „Cost per Use“ errechnen. Usage wurde damit zum Argument in beide Richtungen: Bibliotheken konnten unrentable Pakete infrage stellen; Verlage konnten Preissteigerungen mit wachsendem Inhalt und steigender Nutzung begründen. Nutzung wurde für eine ganze Branche zur Zweitwährung.

Diese Logik bekommt gerade ein Problem.

Vor allem jüngere Studierende beginnen ihre Recherche immer häufiger nicht mehr im Bibliothekskatalog, in einer Fachdatenbank oder auf der Plattform eines Verlages. Sie stellen ihre Frage einem Large Language Model. Das Modell liefert keine Trefferliste, sondern eine Antwort. Vielleicht mit Quellen, vielleicht ohne. Selbst wenn der zugrunde liegende Artikel von der Bibliothek bezahlt wurde, muss der Nutzer ihn nicht mehr aufrufen.

Die Nutzung verschwindet nicht unbedingt. Aber sie wird unsichtbar.

COUNTER selbst berichtet inzwischen von Hinweisen, dass Bibliotheken mit lizenzierten AI-Werkzeugen stärkere Rückgänge in ihren klassischen Nutzungszahlen sehen. Wer eine generierte Zusammenfassung liest, ruft das Quellenmaterial oft nicht mehr auf. Und wenn ein externes System auf lizenzierte Inhalte zugreift, erscheint diese Nutzung bislang vielfach nicht im COUNTER-Bericht des Verlages.

Dass AI-Antworten Klicks ersetzen, lässt sich außerhalb des Wissenschaftssystems bereits deutlich beobachten. Das Pew Research Center untersuchte fast 69.000 Google-Suchen. Erschien eine AI-Zusammenfassung, klickten Nutzer nur in acht Prozent der Fälle auf ein klassisches Suchergebnis. Ohne Zusammenfassung waren es 15 Prozent. Auf eine innerhalb der AI-Antwort zitierte Quelle klickte gerade einmal ein Prozent. Eine Analyse von Ahrefs kommt für das erstplatzierte Suchergebnis sogar auf eine um rund 58 Prozent niedrigere Klickrate, wenn Google eine AI Overview anzeigt.

Übertragen auf wissenschaftliche Inhalte bedeutet das: Der Artikel kann für die Antwort unverzichtbar sein und trotzdem keinen Download mehr erzeugen.

Nicht jede Entwicklung führt allerdings nur vom Original weg. Eine im Juli 2026 veröffentlichte Untersuchung zu AI-vermittelten Zugriffen auf Bibliotheksbestände zeigt, dass ChatGPT, Perplexity und Gemini auch neue Besucher zu frei zugänglichen institutionellen Repositorien führen können. Besonders gut auffindbar waren Inhalte mit strukturierten Metadaten, stabilen Links und offenem Zugang. AI kann wissenschaftliche Inhalte also zugleich verdrängen und neu sichtbar machen.

Eine neue Variante des Double Dipping?

Für die wirtschaftliche Beziehung zwischen Bibliotheken und Verlagen bleibt dennoch eine unangenehme Frage.

Mehrere Wissenschaftsverlage verdienen bereits direkt an der Bereitstellung ihrer Inhalte für AI-Unternehmen. Wiley meldete für sein Geschäftsjahr 2025 AI-Lizenzerlöse von 40 Millionen Dollar, nach 23 Millionen Dollar im Vorjahr. Informa erwartete für seine Taylor-&-Francis-Partnerschaften 2024 mehr als 75 Millionen Dollar. Dabei ging es unter anderem um den Zugang zu Archivmaterial, mit dem Large Language Models verbessert werden sollen.

Diese Verträge sind natürlich nicht illegitim, sondern bisher ein wichtiger Teil der AI-Strategie von Verlagen. Menschlicher Zugang, Modelltraining und die Einbindung aktueller Inhalte in AI-Produkte sind unterschiedliche Nutzungsarten. Auch investieren Verlage Teile der zusätzlichen Erlöse in Technik, Open Research und neue Produkte. Aber ökonomisch entsteht ein Konflikt: Dieselben Inhalte werden an Bibliotheken lizenziert und zugleich an Unternehmen verkauft, deren Produkte die direkte Nutzung eben dieser Bibliotheksbestände reduzieren können.

Im Open Access wurde ein vergleichbarer Vorgang unter dem Begriff „Double Dipping“ diskutiert: Verlage erhielten Abonnementerlöse und zusätzlich Publikationsgebühren für denselben Artikel. Nun könnte eine neue Variante entstehen. Bibliotheken bezahlen weiterhin für den klassischen Zugang, während AI-Anbieter für die maschinelle Nutzung bezahlen – und die von Bibliotheken finanzierte menschliche Nutzung anschließend sinkt.

Noch ist Usage dafür ein zu unvollständiger Maßstab. Eine AI-Antwort kann auf lizenzierter Wissenschaft beruhen, ohne einen COUNTER-Download auszulösen. Die im Juni 2026 aktualisierten COUNTER-Empfehlungen für AI- und Agentennutzung sind deshalb ein wichtiger Anfang. Sie sollen menschliche und maschinelle Zugriffe getrennt sichtbar machen.

Doch bessere Messung löst die Verteilungsfrage nicht.

Wenn Verlage neue Erlöse mit der maschinellen Nutzung wissenschaftlicher Inhalte erzielen, während Bibliotheken weniger direkte Nutzung registrieren, können die bisherigen Preise kaum einfach mit früheren Argumenten weiter steigen. Spätestens bei den nächsten Verhandlungen werden Bibliotheken fragen, wem der Produktivitätsgewinn der AI eigentlich gehört.

Den Verlagen, weil sie die Inhalte bündeln und lizenzieren? Den AI-Unternehmen, weil sie daraus Antworten erzeugen? Den Wissenschaftlern, die diese Inhalte geschaffen haben? Oder den Bibliotheken, die den Zugang über Jahrzehnte finanziert haben?

Und wenn eine wissenschaftliche Antwort künftig zweimal verkauft, aber kein einziges Mal mehr angeklickt wird: Wer hat sie dann eigentlich genutzt?