LAION-BVD bündelt zehn Millionen Stunden Video für KI-Forschung

LAION hat am 26. August 2026 laut dem veröffentlichten Forschungspapier den offenen Videodatensatz LAION-BVD vorgestellt: 80 Millionen heruntergeladene Videos summieren sich auf zehn Millionen Stunden Material. Er soll das Vortraining multimodaler KI-Modelle über Video, Audio und Bilder hinweg unterstützen.

Die Größenordnung ist der Nachrichtenwert. Zugleich entscheidet sich der praktische Nutzen daran, ob Forschungsteams aus dem Rohmaterial belastbare Trainingsmengen ableiten können und die Beschränkung auf Forschungszwecke zu ihrem Vorhaben passt.

Von 1,3 Milliarden URLs zu 80 Millionen Videos

Laut dem Forschungspapier entstand die Ausgangsmenge aus 1,3 Milliarden plattformspezifischen Video-URLs, die das Team in Common Crawl fand [1]. Davon lud es 80 Millionen Videos herunter [1]. Die Gesamtlaufzeit von zehn Millionen Stunden beschreibt also den tatsächlich heruntergeladenen Bestand, nicht bloß eine Sammlung von Verweisen.

Das ist eine wichtige Trennung. Eine große URL-Liste kann verschwinden, veralten oder auf nicht mehr erreichbare Inhalte zeigen; für Trainingsarbeit zählt dagegen das verfügbare Material, aus dem sich Clips, Tonspuren und Einzelbilder verarbeiten lassen.

Beschreibungen für Video und Audio

Nach Angaben von The Decoder extrahierte LAION 55 Millionen Clips und versah sie mit automatisch erzeugten Video- und Audiobeschreibungen [2]. Hinzu kommen dem Bericht zufolge 300 Millionen Standbilder [2]. Das Forschungspapier beschreibt dafür eine inhaltsabhängige Szenenerkennung und synthetisch erzeugte Beschriftungen.

Damit liegt der Schwerpunkt nicht allein auf Masse. Video, Ton und Text sollen gemeinsam trainierbar werden, sodass Modelle visuelle Inhalte sowohl passenden Beschreibungen als auch Geräuschen zuordnen können. Genau hier steckt der eigentliche Forschungswert des Bestands.

Bis zu 2,1 Prozentpunkte Vorsprung

In den von The Decoder zusammengefassten Versuchen lagen vergleichbare Modelle, die mit LAION-BVD trainiert wurden, bei üblichen Video-Text-Benchmarks bis zu 2,1 Prozentpunkte vor Modellen auf Basis von InternVid. Das Papier berichtet außerdem von gleichmäßigen Verbesserungen, wenn Trainingsmenge oder Modellgröße steigen.

Das ist ein frühes Signal, kein Freifahrtschein. Ein Vorsprung in den berichteten Benchmarks belegt, dass der Datensatz als Trainingsgrundlage funktionieren kann; welche Qualität er für konkrete Anwendungen liefert, müssen reproduzierbare Vergleiche mit identischen Modellen, Budgets und Auswertungen klären.

Offen, aber auf Forschung begrenzt

LAION gibt Datensatz und Code laut The Decoder frei, beschränkt die Nutzung jedoch ausdrücklich auf Forschung und fordert dazu auf, die Rechte der ursprünglichen Urheber zu respektieren. Für Produktteams ist diese Grenze keine Fußnote: Ein offen zugänglicher Download ist nicht automatisch eine Grundlage für kommerzielles Modelltraining.

Die Veröffentlichung liefert Forschungsteams ungewöhnlich viel Videomaterial samt multimodaler Aufbereitung. Vor jeder Nutzung müssen sie trotzdem Lizenzrahmen, Herkunft und Eignung für den eigenen Versuchsaufbau prüfen. Größe ersetzt diese Prüfung nicht.