Ein Entwickler hat Metadaten von über 5,6 Milliarden öffentlichen TikTok-Videos auf die Plattform Hugging Face hochgeladen und macht sie kostenlos verfügbar. Das verstößt gegen TikToks Nutzungsbedingungen, die automatisiertes Scraping ohne schriftliche Genehmigung verbieten.
Der unter dem Pseudonym „hashfunction" bekannte Entwickler hat ein Dataset mit Metadaten von TikTok-Videos aus dem Zeitraum Juli 2014 bis Oktober 2026 veröffentlicht. Die Daten umfassen Bildunterschriften, Hashtags, Sound-IDs, Aufrufe, Likes, Kommentare und weitere Engagement-Metriken – insgesamt 460 GB an Daten in Parquet-Dateien. Dabei handelt es sich um Metadaten, nicht um die eigentlichen Videos. Das Dataset ist unter der CC BY-NC 4.0-Lizenz frei zugänglich und wurde bereits über 1.180 Mal heruntergeladen.
Die Daten sind für KI-Entwickler wertvoll, da sie Trainingsmaterial für Modelle bieten, die Viral-Trends vorhersagen oder Sprachmuster in Short-Form-Videos analysieren. TikTok selbst bietet Datenzugriff nur über streng regulierte Research Tools an, die ausschließlich qualifizierten Forschern an akademischen Institutionen in ausgewählten Ländern zur Verfügung stehen.
Das Scraping erfolgte über TikToks private Mobile-API mit gefälschten Android-Geräteidentitäten und manipulierten TLS-Handshakes – ohne Login. Dies verstößt klar gegen Section 3.4 der TikTok-Nutzungsbedingungen, die automatisiertes Daten-Scraping ohne schriftliche Genehmigung untersagt. Der Anbieter monetarisiert das Projekt durch kommerzielle Lizenzen, Zugriff auf Creator-Profile und den Verkauf des Scraper-Quellcodes für 1.699 Dollar.