Trainiert KI mit deinen Fotos? robots.txt-Test von 8 Foto-Hostern (2026)
Der EU AI Act verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck inzwischen dazu, eine Zusammenfassung ihrer Trainingsdaten offenzulegen — auf dem Papier ein großer Schritt Richtung Transparenz. Was dabei aber komplett offenbleibt, ist die andere Seite: Erlauben die Plattformen, auf denen deine eigenen Fotos liegen, den KI-Crawlern überhaupt den Zugriff? Genau das habe ich nachgeprüft, direkt an der Quelle, nicht über Zusammenfassungen Dritter.
Ergebnis zuerst, dann die Belege
Von 8 geprüften Foto- und Freigabedienste blockiert nur Catbox in seiner robots.txt namentlich GPTBot, ClaudeBot, Google-Extended und CCBot. Flickr erreicht mit einer anderen Schreibweise einen ähnlichen Effekt. Imgurs robots.txt blockiert gar nichts, dafür verbieten die Nutzungsbedingungen Dritten ausdrücklich, Plattforminhalte für KI-Training zu verwenden. Bei ImgBB und Postimages ist die robots.txt leer — praktisch keine Regel. lpic.cc hat aktuell ebenfalls keine dedizierte Regel für KI-Crawler. Alles Angaben aus tatsächlich abgerufenen Inhalten vom September 2026, nicht aus der Dokumentation abgeleitet.
Wie diese Recherche entstanden ist
Ich habe für alle 8 Domains die robots.txt direkt per curl abgerufen (nicht die Interpretation eines Drittanbieter-Tools) und zusätzlich mit einem Web-Scraping-Werkzeug den vollständigen AGB-Text jedes Anbieters durchsucht, um Passagen zu „Lizenzumfang" und „KI/maschinelles Lernen" wortwörtlich zu zitieren. Wo ich nichts fand oder ein Punkt in den Bedingungen schlicht nicht vorkam, steht „nicht erwähnt" — ich fülle das nicht aus dem Gedächtnis auf.
Fünf KI-Crawler-User-Agents standen im Vergleich, jeweils mit anderem Zweck:
- GPTBot — Crawler von OpenAI zum Sammeln von Trainingsdaten
- ClaudeBot — Crawler von Anthropic zum Sammeln von Trainingsdaten (zu unterscheiden von
Claude-User/Claude-SearchBot, die ebenfalls von Anthropic stammen, aber für Echtzeit-Abrufe genutzt werden) - Google-Extended — eigenes Opt-out-Token von Google speziell fürs Training generativer Modelle wie Gemini, getrennt vom Such-Crawler Googlebot
- CCBot — Crawler von Common Crawl; viele LLM-Trainingsdatensätze werden aus dessen Rohdaten aufbereitet
- PerplexityBot — Crawler von Perplexity
Vergleichstabelle
Stand der Daten: September 2026. „Nicht gelistet" heißt: Dieser User-Agent taucht in der robots.txt nicht namentlich auf; welche Regel tatsächlich greift, hängt davon ab, in welche Fallback-Regel er fällt.
| Dienst | Erwähnt AGB KI-Training? | GPTBot | ClaudeBot | Google-Extended | CCBot | PerplexityBot |
|---|---|---|---|---|---|---|
| Catbox | nicht erwähnt | blockiert (namentlich) | blockiert (namentlich) | blockiert (namentlich) | blockiert (namentlich) | nicht gelistet → nach *-Regel erlaubt |
| Flickr | nicht erwähnt | blockiert (nicht auf Positivliste, fällt unter User-agent: * / Disallow: /) |
blockiert (dasselbe; aber Claude-User und Claude-SearchBot, zwei nicht-trainingsbezogene UAs, sind namentlich freigegeben) |
blockiert (dasselbe) | blockiert (dasselbe) | erlaubt (namentlich auf Positivliste) |
| Imgur | ja — verbietet Dritten ausdrücklich, Plattforminhalte für KI-/Machine-Learning-Zwecke zu erfassen oder zu nutzen | nicht gelistet → nach *-Regel erlaubt |
nicht gelistet → erlaubt | nicht gelistet → erlaubt | nicht gelistet → erlaubt | nicht gelistet → erlaubt |
| Google Fotos | Googles Haupt-AGB verbieten „das Training von Machine-Learning-Modellen mit Inhalten dieses Dienstes", aber ohne separate Erwähnung für Fotos | nicht gelistet; Freigabe-/Album-Pfade für * komplett gesperrt |
dasselbe | dasselbe | dasselbe | dasselbe |
| ImgBB | nicht erwähnt | erlaubt (robots.txt leer) | erlaubt | erlaubt | erlaubt | erlaubt |
| Postimages | nicht erwähnt | erlaubt (robots.txt leer) | erlaubt | erlaubt | erlaubt | erlaubt |
| iCloud-Freigabealben | nicht erwähnt; Apple-Intelligence-Datenschutzseite erklärt separat, private Inhalte würden ohne Zustimmung nicht zum Training von Basismodellen verwendet | nicht gelistet; /sharedalbum/, /photos/ für * komplett gesperrt (Ausnahme: Googlebot ist site-weit erlaubt) |
dasselbe | dasselbe | dasselbe | dasselbe |
| lpic.cc | nicht erwähnt; Lizenzumfang beschränkt sich auf „Speicherung, Verarbeitung (z. B. Kompression/Formatumwandlung) und Übertragung", keine pauschale „für jeden Zweck"-Klausel | erlaubt (Allow: /, nur /admin/ und /api/ gesperrt) |
erlaubt | erlaubt | erlaubt | erlaubt |
robots.txt ist ein Gentlemen's Agreement — das muss man klar sagen
Alles oben zeigt „was in den Regeln steht", nicht „was Crawler in der Praxis tatsächlich befolgen". robots.txt hat keinerlei technische Durchsetzungskraft — ob ein Crawler eine Disallow: /-Regel respektiert, liegt allein an der Selbstverpflichtung des Betreibers. Ich habe hier ausschließlich den Regeltext selbst geprüft, nicht durch eine eigene Traffic-Analyse verifiziert, ob diese fünf KI-Anbieter sich tatsächlich an ihre eigenen robots.txt-Zusagen halten — das wäre eine ganz andere Untersuchung, keine reine Regellektüre. Das ist auch für die Einordnung des lpic.cc-Abschnitts weiter unten wichtig, deshalb stelle ich es hier vorab klar.
Analyse pro Anbieter: die Logik hinter den Regeln
Catbox: die vollständigste Sperrliste — mit einer Lücke bei PerplexityBot
Catbox schreibt seine robots.txt am direktesten: erst eine allgemeine Regel für alle UAs (blockiert nur /contact.php, /user/ und ein paar weitere Funktionspfade), danach eine namentliche Sperrliste für ClaudeBot, Claude-User, Claude-SearchBot, GPTBot, Google-Extended, CCBot, Meta-ExternalAgent, FacebookBot, Bytespider, Applebot-Extended — zehn Trainings- oder Aggregations-UAs, komplett mit Disallow: / gesperrt.
PerplexityBot fehlt in dieser Liste. Namentlich nicht gelistet, fällt er auf die allgemeine Regel zurück — die Seite ist für ihn also (abgesehen von den paar Funktionspfaden) offen. Ob die Liste einfach nicht aktualisiert wurde oder ob das eine bewusste Entscheidung ist (Perplexity positioniert sich offiziell als Echtzeit-Recherche-Assistent, nicht als Trainings-Crawler) — das weiß ich nicht, und ich habe dazu keine öffentliche Stellungnahme von Catbox gefunden, die diese Frage beantworten würde. Sicher ist nur: selbst beim gründlichsten der acht Anbieter gibt es eine konkrete, überprüfbare Lücke.
Flickr: „Positivliste" erzielt den umgekehrten Effekt von Catbox
Flickr geht den umgekehrten Weg: erst eine lange Liste erlaubter UAs (Googlebot, bingbot, ChatGPT-User, Claude-SearchBot, Claude-User, OAI-SearchBot, PerplexityBot und weitere), nur für diese offen (abzüglich einiger Pfade), am Ende eine abschließende User-agent: * / Disallow: /.
Jeder UA, der nicht ausdrücklich auf diese Positivliste eingeladen wurde, ist damit site-weit gesperrt. GPTBot, ClaudeBot, Google-Extended, CCBot stehen alle nicht auf der Liste, fallen also unter die abschließende Disallow: /. Das Ergebnis ist inhaltlich dasselbe wie bei Catbox — Suche/Echtzeit-Abruf-Crawler durchgelassen, große Trainings-Crawler gesperrt —, nur technisch entgegengesetzt umgesetzt: einmal Blocklist, einmal Allowlist.
Imgur: robots.txt offen, AGB verriegelt
Imgurs robots.txt behandelt keinen einzigen KI-UA gesondert, die allgemeine Regel sperrt nur Konto-, Download- und Logout-Funktionsseiten — Bilder- und Album-Seiten sind für alle Crawler offen. Die Nutzungsbedingungen sprechen dagegen eine sehr deutliche Sprache zur Drittnutzung:
„...create derivative works based on our service...including for any purposes related to AI machine learning/use on AI platforms..." (Teil der Liste verbotener Nutzungen)
und weiter:
„...any use of our service...for any commercial purpose, including without limitation AI machine learning, use on AI platforms, etc., you must first obtain our express signed written consent..."
Dieses Verbot richtet sich an „Dritte", nicht an eine Selbstverpflichtung — wie MediaLab.Ai, die Muttergesellschaft von Imgur, selbst mit den Plattforminhalten umgeht, dazu findet sich in den AGB keine entsprechende Passage. Die präzise Formulierung lautet also: Imgur öffnet technisch (robots.txt) allen die Tür, verbietet aber rechtlich (AGB) das Abgreifen für KI-Training. Eine Kombination aus „ich lasse dich rein, aber du darfst das Ergebnis nicht dafür verwenden" — strategisch das genaue Gegenteil von Catbox und Flickr, die technisch direkt an der Tür blockieren.
ImgBB, Postimages: die Regel ist schlicht leer
Bei beiden habe ich die robots.txt-HTTP-Antwort direkt per curl geprüft: Content-Length: 0 — kein Abruffehler, die Seite liefert tatsächlich eine leere Datei zurück. Keine einzige Disallow-Regel, alle Crawler (inklusive der fünf KI-Crawler) haben technisch freie Bahn. Auch die AGB erwähnen KI-Training nicht, geben sich selbst aber eine sehr breite Lizenz an den Inhalten (ImgBB im Original: „for any purpose, commercial, advertising, or otherwise"). Diese breite Lizenz gilt gegenüber der eigenen Plattform, nicht als Freibrief für KI-Firmen — heißt aber auch: Nichts in den AGB hindert die Plattform selbst daran, Inhalte künftig für KI-Training zu lizenzieren.
Google Fotos, iCloud-Freigabealben: vielleicht die falsche Frage
Beide Dienste haben keine dedizierte robots.txt-Regel für einen der KI-Crawler, aber die allgemeine Regel sperrt /photo/, /shared, /sharing (Google Fotos) beziehungsweise /sharedalbum/, /photos/ (iCloud) pauschal für alle nicht extra freigegebenen UAs — keiner der fünf KI-Crawler bekommt eine Ausnahme.
Es gibt hier aber einen strukturellen Unterschied zu den ersten sechs Anbietern: Imgur, ImgBB, Postimages, Catbox, Flickr und lpic.cc sind so gebaut, dass ihre Bilderseiten öffentlich einsehbar sind (einige davon landen sogar im Suchindex; die Ansichtsseite von lpic.cc trägt dagegen noindex). Google-Fotos-Alben und iCloud-Freigabealben laufen dagegen standardmäßig über eine nicht erratbare URL, ohne öffentliche Liste oder interne Verlinkung dorthin. Ob robots.txt sperrt oder nicht, spielt bei dieser Architektur „URL ist der Schlüssel" eine untergeordnete Rolle — ein Crawler müsste die URL erst kennen, bevor er überhaupt bei robots.txt nachsehen könnte. Das ist eine grundlegend andere Schutzlogik als bei den ersten sechs Diensten, deren Seiten von Haus aus öffentlich indexierbar sind und sich nur über robots.txt eingrenzen lassen. Wichtig, das hier auseinanderzuhalten — sonst entsteht der falsche Eindruck, Google und Apple würden dieselbe Strategie wie Catbox fahren.
EU AI Act und die Realität in diesem Vergleich
Der EU AI Act verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck (General-Purpose AI, GPAI) inzwischen dazu, eine öffentliche Zusammenfassung der für das Training verwendeten Inhalte bereitzustellen, und verlangt zusätzlich die Einhaltung von EU-Urheberrecht — inklusive der Pflicht, dokumentierte Opt-outs von Rechteinhabern zu respektieren. Genau hier setzt die robots.txt-Sperre technisch an: Sie ist einer der praktisch gängigsten Wege, ein solches Opt-out überhaupt zu signalisieren. Mehrere europäische Datenschutzbehörden — etwa die französische CNIL und die deutsche Datenschutzkonferenz (DSK) — haben zudem eigene Orientierungshilfen dazu veröffentlicht, wann das massenhafte Scrapen personenbezogener Inhalte fürs KI-Training überhaupt eine gültige Rechtsgrundlage nach DSGVO hat.
Was das für diesen Vergleich bedeutet: Eine robots.txt-Sperre ist ein technisches Signal, keine rechtliche Garantie, und der EU AI Act ändert daran nichts direkt — er verpflichtet die KI-Anbieter zur Dokumentation und zur Rücksichtnahme auf Opt-outs, prüft aber nicht automatisch nach, ob ein einzelner Foto-Hoster überhaupt ein solches Opt-out gesetzt hat. Von den acht hier verglichenen Diensten hat, wie oben gezeigt, nur eine Minderheit dieses technische Signal überhaupt aktiv gesetzt.
Was Cloudflare gerade macht — und was das mit diesen Diensten zu tun hat
Am 15. September 2026 veröffentlichte Cloudflare offiziell den Blogbeitrag „Have it both ways: stay discoverable in search while disallowing AI training" und teilt Crawler-Verhalten seither offiziell in drei Kategorien ein: Search (Aufbau eines Suchindex), Training (Training oder Fine-Tuning eines Modells) und Agent (Echtzeit-Handeln im Auftrag eines Nutzers, etwa eine Recherche). Ab diesem Datum gilt für alle neu an Cloudflare angebundenen Domains ein neuer Standard: Websites mit Werbung erlauben standardmäßig Search, blockieren Training, und Werbeseiten blockieren zusätzlich Agent; werbefreie Websites erlauben standardmäßig alle drei Kategorien. Das ist die praktische Umsetzung der im September 2025 eingeführten Content Signals Policy (die die drei Signale search / ai-input / ai-train als robots.txt-Erweiterung definiert).
Ich habe nicht geprüft und behaupte auch nicht, geprüft zu haben, ob diese acht Foto-Hoster überhaupt Cloudflare-Kunden sind — das war nicht Teil dieser Recherche und lässt sich daraus nicht ableiten. Bemerkenswert ist trotzdem der Zufall: Flickrs bestehende robots.txt-Struktur folgt bereits genau der Logik, die Cloudflare hier propagiert (Such-/Agenten-Crawler durchlassen, Trainings-Crawler blockieren) — nur dass Flickr das selbst per manuell gepflegter UA-Liste umsetzt, unabhängig von Cloudflares neuem Standard.
lpic.ccs aktuelle Regelung (ehrlich gesagt)
Die robots.txt von lpic.cc sieht aktuell so aus (Stand 2026-09):
User-Agent: *
Allow: /
Disallow: /admin/
Disallow: /api/
Sitemap: https://lpic.cc/sitemap-index.xml
Keine dedizierte Regel für GPTBot, ClaudeBot, Google-Extended, CCBot oder PerplexityBot — auf dieser Ebene läuft das auf „alle erlaubt" hinaus. In den AGB ist der Lizenzumfang so formuliert: „Du gewährst diesem Dienst das Recht, hochgeladene Inhalte zu speichern, zu verarbeiten (z. B. Kompression/Formatumwandlung) und zu übertragen" — deutlich enger als die pauschale „für jeden Zweck"-Klausel bei Imgur, ImgBB oder Postimages, aber ohne dass die Worte „KI" oder „maschinelles Lernen" überhaupt vorkommen: weder zugesagt noch ausgeschlossen.
Zusammengenommen ist die ehrliche Einordnung: lpic.ccs robots.txt und AGB bieten aktuell keinen aktiven Schutz gegen KI-Trainings-Crawler — in dieser Hinsicht auf demselben Stand wie Imgur, ImgBB, Postimages, Google Fotos und iCloud, nicht besser (die CDN-Ebene vor der Website hat eigene Crawler-Management-Einstellungen, die außerhalb des Prüfumfangs dieses Artikels liegen — dazu treffen wir hier keine Aussage und leiten daraus keine Schutzwirkung ab). Wir behaupten nicht, dass ein Upload zu lpic.cc weniger wahrscheinlich für KI-Training verwendet wird, weil keine Regel diese Aussage stützt — und selbst eine Regel wie Disallow: GPTBot wäre, wie oben erklärt, nur eine Selbstverpflichtung ohne gemessene Einhaltungsquote. Ob man dem Beispiel von Catbox oder Flickr folgt, ist eine eigenständige Produktentscheidung, unabhängig davon, dass dieser Artikel den aktuellen Stand ehrlich beschreiben soll.
Welcher Dienst passt zu welcher Priorität
| Worauf du Wert legst | Empfohlener Dienst | Warum |
|---|---|---|
| Foto-Hoster soll bekannte Trainings-Crawler aktiv und technisch blockieren | Catbox | robots.txt blockiert namentlich 4 von 5 Ziel-Crawlern — der einzige in diesem Vergleich, der das so macht |
| Öffentlich teilen und in der Suche gefunden werden, aber nicht von Trainings-Crawlern erfasst werden | Flickr | die Allowlist-Struktur erreicht genau „suchbar, nicht trainierbar" — allerdings eine bestehende Betriebspraxis, keine öffentliche AI-Policy-Aussage von Flickr selbst |
| Einfach kostenlos Bilder hosten, KI-Thema ist zweitrangig | ImgBB / Postimages | robots.txt ohne Einschränkung, am schnellsten startklar, aber sehr breiter Lizenzumfang in den AGB — faktisch stillschweigende Zustimmung zu „jedem Zweck" |
| Möglichst enger Lizenzumfang der Plattform selbst (nur Speicherung/Verarbeitung/Übertragung) | lpic.cc | engster geprüfter AGB-Text in diesem Vergleich, aber ohne technische Sperre gegen KI-Crawler |
| Fotos sollen von vornherein nicht öffentlich sichtbar sein, nicht im Index landen | Google Fotos / iCloud Freigabealben | Schutz über nicht erratbare URLs statt robots.txt, strukturell anders als die anderen sechs |
Häufig gestellte Fragen
Frage: Wenn robots.txt Disallow schreibt, crawlt eine KI-Firma dann garantiert nicht?
Nein. robots.txt ist ein Gentlemen's Agreement ohne technische Durchsetzungskraft. Diese Recherche prüft nur, „was die Regel sagt" — ob sich diese fünf KI-Firmen tatsächlich an ihre eigenen Regeln halten, wurde nicht separat gemessen.
Frage: Die AGB erwähnen KI-Training gar nicht — sind meine Fotos dann sicherer? Nein. Fehlende Erwähnung bedeutet meist, dass das Thema bei Formulierung der AGB noch keine Priorität hatte, oder dass sich der Betreiber bewusst Spielraum offenhält. Zusammen mit der sehr breiten „für jeden Zweck"-Lizenz von Imgur, ImgBB und Postimages betrachtet, kann fehlende Klarheit eher ein Risiko als eine Absicherung sein.
Frage: Blockiert lpic.cc KI-Trainings-Crawler? Auf robots.txt-Ebene nicht. Stand der Prüfung im September 2026 sind alle fünf Ziel-UAs auf robots.txt-Ebene erlaubt (die Crawler-Management-Einstellungen der CDN-Ebene liegen außerhalb des Prüfumfangs dieses Artikels). Das ist eine ehrliche Beschreibung des aktuellen Zustands, kein Versprechen, dass sich das nicht ändern wird.
Frage: Verpflichtet der EU AI Act Foto-Hoster wie diese, KI-Crawler zu blockieren? Nicht direkt. Der EU AI Act verpflichtet in erster Linie die Anbieter von KI-Modellen mit allgemeinem Verwendungszweck zu Transparenz und zur Beachtung dokumentierter Opt-outs (etwa via robots.txt) — er schreibt einzelnen Foto-Hostern nicht vor, ein solches Opt-out zu setzen. Ob ein Anbieter eine robots.txt-Sperre einbaut, bleibt aktuell dessen eigene Entscheidung.
Frage: Steht Flickrs Dreiteilung (Search/Training/Agent) im Zusammenhang mit Cloudflares neuer Policy? Kein direkter Zusammenhang. Das ist ein Mechanismus auf Cloudflare-Plattformebene, der für an Cloudflare angebundene Domains gilt — ob diese acht Dienste Cloudflare-Kunden sind, wurde in diesem Artikel nicht geprüft. Dass Flickrs bestehende Regeln einen ähnlichen Effekt erzielen, ist reiner Zufall und keine Reaktion auf Cloudflares Ankündigung.
Frage: Warum steht PerplexityBot bei Catbox nicht auf der Sperrliste? Der genaue Grund ist unbekannt, ich habe dazu keine öffentliche Stellungnahme der Catbox-Betreiber gefunden. Möglich ist eine veraltete Liste, möglich auch eine bewusste Entscheidung — Perplexity positioniert sich offiziell als Echtzeit-Recherche-Assistent, nicht als reiner Trainingsdaten-Crawler. Hier wird nur die Diskrepanz in den Regeln dargestellt, keine Vermutung über die Motivation angestellt.
Quellen und Prüfdatum
Alle folgenden Angaben stammen aus am 2026-09-25 direkt per fetch/curl abgerufenen Originalinhalten, nicht aus Zusammenfassungen Dritter:
- Imgur robots.txt:
https://imgur.com/robots.txt - Imgur Nutzungsbedingungen:
https://imgur.com/tos - ImgBB robots.txt:
https://imgbb.com/robots.txt(HTTP 200, Content-Length: 0) - ImgBB Nutzungsbedingungen:
https://imgbb.com/tos - Postimages robots.txt:
https://postimages.org/robots.txt(HTTP 200, Content-Length: 0) - Postimages Nutzungsbedingungen:
https://postimages.org/terms - Catbox robots.txt:
https://catbox.moe/robots.txt - Catbox Bedingungen/Datenschutz:
https://catbox.moe/legal.php - Flickr robots.txt:
https://www.flickr.com/robots.txt - Flickr Nutzungsbedingungen:
https://www.flickr.com/help/terms - Flickr Datenschutzrichtlinie:
https://www.flickr.com/help/privacy - Google Fotos robots.txt:
https://photos.google.com/robots.txt - Google Nutzungsbedingungen:
https://policies.google.com/terms - Google Datenschutzrichtlinie:
https://policies.google.com/privacy - iCloud robots.txt:
https://www.icloud.com/robots.txt - iCloud Nutzungsbedingungen:
https://www.apple.com/legal/internet-services/icloud/ - Apple-Intelligence-Datenschutzseite:
https://www.apple.com/privacy/features/ - lpic.cc robots.txt:
https://lpic.cc/robots.txt - lpic.cc Nutzungsbedingungen: interne
/terms-Seite, entsprechender i18n-Text (termsIntellectualDesc) - Cloudflare-Blogbeitrag (Dreiteilung der Crawler-Kategorien, veröffentlicht 2026-09-15):
https://blog.cloudflare.com/accountable-mixed-use-ai-crawlers/ - Cloudflare Content Signals Policy (Vorläufer der Dreiteilung, veröffentlicht 2025-09-24):
https://blog.cloudflare.com/content-signals-policy/