ÖZET
Günümüzde veri analizi, yapay zekâ ve büyük veri projelerinde sıklıkla başvurulan bir yöntem olan web scraping, internet üzerindeki verilerin otomatik araçlar vasıtasıyla toplanmasını ifade eder. Ancak, bu uygulamanın hukuki zemini; fikri mülkiyet hakları ve haksız rekabet gibi alanlarda çeşitli hukuki tartışmaları beraberinde getirmektedir.
I. GİRİŞ
Web siteleri, internette herkese açık olarak bulunan, farklı biçimlerde depolanmış geniş bir veri havuzunu barındırmaktadır. Kamuya açık olan bu verilere, internet erişimine sahip her kullanıcı tarafından ulaşılabilir. Sıradan yöntemlerle, örneğin bilgileri tek tek kopyalayıp yapıştırarak, internetten veri toplamak mümkün olsa da bu yaklaşım büyük veri setleri söz konusu olduğunda pratik değildir; zaman, maliyet ve hata oranları açısından önemli dezavantajlar taşır. Bu nedenle, internet üzerindeki verilerin büyük ölçeklerde sistematik ve otomatik olarak elde edilmesi için web scraping (veri kazıma) adı verilen teknikler ve teknolojiler geliştirilmiştir1. Bu yöntem sayesinde çok sayıda web sitesinden veri hızlı, doğru ve etkili biçimde toplanabilir ve ilerleyen süreçlerde analiz edilmek üzere depolanabilir.
Son yıllarda büyük veri analizi, makine öğrenimi ve yapay zekâ teknolojilerinin hızla gelişmesi ve farklı sektörlerde yaygın olarak benimsenmesi, web scraping yöntemlerinin kullanım alanlarını da önemli ölçüde genişletmiştir. Özellikle internet üzerinde bulunan devasa veri yığınlarını analiz etmek ve bu verilerden anlamlı sonuçlar elde etmek isteyen kurumlar, işletmeler ve araştırmacılar için web scraping vazgeçilmez bir araç hâline gelmiştir. Bu uygulamalar sayesinde çok sayıda kaynaktan farklı türdeki verilerin kolayca toplanabilmesi, veri analizi süreçlerini daha hızlı, kapsamlı ve verimli bir şekilde yürütmeyi mümkün kılmıştır.
Türk hukukunda web scraping’e özgü doğrudan yasal bir düzenleme bulunmamakla birlikte bu boşluk, mevcut hukuk kurallarının yorumlanması ve uygulanmasıyla doldurulmaktadır. İnternet sitelerinin içerikleri ve yapıları gerekli koşulların sağlanmasıyla Fikir ve Sanat Eserleri Kanunu kapsamında eser veya veri tabanı korumasından yararlanabilir. Öte yandan, bir işletmenin ürettiği veya derlediği verilerden izinsiz faydalanılması, Türk Ticaret Kanunu’nda düzenlenen haksız rekabet hükümleri çerçevesinde değerlendirilebilir. Bu bağlamda, veri kazıma süreçlerinin hukuki açıdan değerlendirilmesi, veri sahibinin haklarının korunması ve ilgili yasal uyumun sağlanması açısından önem arz etmektedir.
II. WEB SCRAPING YÖNTEMİ
A. Tanımı
Web scraping, internet üzerinde bulunan verilerin otomatik araçlar ve yazılımlar kullanılarak elde edilmesini ve elde edilen bu bilgilerin genellikle dosya veya veri tabanı gibi dijital ortamlarda saklanmasını sağlayan bir yöntemdir2. Veri madenciliği (“TDM”) süreçlerinin temel aşamalarından biri olan bu teknik, internet sayfalarındaki dağınık bilgileri sistematik biçimde bir araya getirir ve analiz edilebilir hale getirerek büyük veri çalışmalarına zemin hazırlar3. Büyük ölçekli verilerden anlamlı bilgiler çıkarmak için kullanılan en kritik teknolojilerden biridir. Bu teknik, bir internet sitesinin HTML yapısını analiz edip istenen verileri ayıklayan botlar veya programlar kullanır4. Web scraping yöntemleri basit script’lerden, tam teşekküllü gömülü tarayıcı motorlarına kadar geniş bir yelpazeye yayılır. Yapay zekâ modellerinin başarılı bir şekilde çalışabilmesi için geniş ve kaliteli veri setlerine ihtiyacı vardır. Bu noktada, web scraping, hem TDM hem de yapay zekâ süreçlerinde ham veriyi toplamak için kullanılan temel yöntemlerden biridir. Web scraping sayesinde farklı web sitelerinden büyük ölçekli veri setleri otomatik olarak toplanabilir, işlenebilir ve analiz edilebilir.
Web scraping temelde web sitelerinden veri toplama sürecini ifade etmekte ve genellikle web sayfalarındaki bilgileri otomatik olarak ayıklayarak ve düzenleyerek kullanılabilir bir formata dönüştürmeyi hedeflemektedir5. Manuel veri girişinin daha uzun süreli bir işlem olması ve hatalara açık doğasına karşı, web kazıma, büyük hacimli verileri hızlı ve etkili bir şekilde toplamayı ve işlemeyi mümkün kılmaktadır.
Web scraping işlemi teknik ve yöntemsel boyutu incelendiğinde, iki seviyeden söz edilir. Birinci seviye olan “semantik kazıma” yöntemi, elde edilen verinin anlamını yorumlamaya ve içeriğini analiz etmeye odaklanır. Bu yöntem elde edilen verilerin anlamını yorumlamayı hedefleyerek verilerin ne anlama geldiği ile ilgilenir ve onları daha geniş bağlamdaki anlamlı bilgilerle ilişkilendirir6. İkinci seviye olan “sözdizimsel kazıma” yöntemi ise verilerin nasıl elde edileceğini ve hangi tekniklerle çıkarılacağını tarif ederek verinin nerede olduğu ve nasıl çıkarılacağı üzerine odaklanılır7. Bu iki yaklaşım bir arada değerlendirildiğinde, web scraping işleminin hem içeriğin anlamını yorumlama hem de verinin teknik olarak elde edilmesi boyutlarını kapsayan çok yönlü bir süreç olduğu görülür. İlk yaklaşım ne sorusuna, ikinci yaklaşım ise nasıl sorusuna odaklanır.
Web scraping süreci temel olarak iki aşamadan oluşmaktadır: web kaynaklarına erişim sağlanarak ilgili veriler elde edilir, ardından bu veriler işlenerek istenilen bilgiler çıkarılır8. Özellikle, izinsiz veya otomatik yöntemlerle büyük ölçekli veri çekimi, veri sahibinin haklarını ihlal edebilir ve haksız rekabet kapsamında değerlendirilebilir. Ancak, verilerin kamuya açık olması veya sahibinin rızasının bulunması gibi durumlarda, scraping faaliyetinin hukuka uygun olduğu ileri sürülebilir.
Web siteleri, kullanıcıların internet üzerinden erişebildiği metin, görseller ve diğer içeriklerin yer aldığı platformlar iken veri tabanları verileri yapılandırılmış bir şekilde saklayan ve yöneten sistemlerdir. Veri tabanları genellikle şifreli ve korumalı olduğundan, web scraping sürecinde doğrudan veri tabanına erişmek mümkün değildir. Ancak, web siteleri kendi veri tabanlarından aldığı bilgileri web sayfalarına yansıttığı için, scraping süreci bu içerikleri web sayfası üzerinden elde eder. Bu durum ise elde edilen içeriklerin yasal niteliği açısından 5846 sayılı Fikir ve Sanat Eserleri Kanunu (“FSEK”) kapsamında ele alınması gereken çeşitli hukuki sorunları beraberinde getirir. Özellikle web sitelerinin temel veri kaynağı olan dijital veri tabanları fikri mülkiyet hukuku kapsamında çeşitli koruma mekanizmalarına tabi olduğundan web scraping faaliyetlerinin hukuki boyutları bu çerçevede ele alınmalıdır.
B. Veri Tabanı Koruması
FSEK veri tabanlarının korunması için klasik eser koruması olan telif hakkı ve sui generis hak koruması olmak üzere ikili bir koruma rejimi öngörülmüştür. FSEK m. 6/I-11’e göre, içeriklerin seçilmesi veya düzenlenmesi nedeniyle eser sahibinin hususiyetini taşıyan veri tabanları telif hakkı korumasından yararlanmaktadır. Veri tabanı eğer bu düzeyde bir hususiyet içermiyorsa, yani veriler gelişi güzel derlenmiş ya da basit bir liste niteliğindeyse, yine de tamamen korumasız değildir. FSEK, AB 96/9/EC sayılı Veri Tabanı Direktifi’nden9 mülhem olarak, sui generis veri tabanı koruması da öngörmektedir. FSEK ek madde 8’e göre, bir veri tabanının yaratıcı bir niteliğe sahip olması şartı aranmaksızın, içeriğinin toplanması, doğrulanması veya sunulması için önemli ölçüde emek, zaman ve maddi kaynak harcanmışsa, bu tür veri tabanları sui generis hak çerçevesinde korunmaktadır. Özellikle, telif hakkı veya sui generis hak ile korunan veri tabanlarından sistematik olarak büyük ölçekli veri toplanması fikri mülkiyet haklarının ihlaline neden olabilir. Bu nedenle, web scraping faaliyetleri yürütülürken, veri tabanlarının hangi tür koruma altında olduğunun tespiti büyük önem taşımaktadır.
1. Eser Kapsamında Koruma
Web scraping ile toplanan içeriklerin telif ihlali oluşturup oluşturmayacağı, bu içeriklerin veya derlemelerin eser niteliğine sahip olup olmadığına bağlıdır. FSEK m.1/B-a uyarınca bir fikri ürünün eser sayılabilmesi için, sahibinin hususiyetini taşıması ve kanunda sayılan eser türlerinden birine girmesi gerekmektedir. Web sitelerindeki metinler, görseller, grafik tasarımlar, veri derlemeleri ve sair unsurlar bu kriterleri sağlamaları durumunda münferiden veya bir bütün olarak eser korumasından yararlanabilirler. Dolayısıyla web scraping yoluyla bir web sitesinden telif hakkıyla korunan bu tür içeriklerin kopyalanması, eser sahibinin izni olmadan yapıldığında işleme, çoğaltma veya yayma gibi telif haklarının ihlalini oluşturacaktır. Bununla birlikte, her web sitesi içeriği telif hukuku açısından eser sayılmayabilir. Özellikle web scraping eylemi genellikle büyük hacimli veri ve bilgi toplama amacıyla yapıldığından, toplanan veriler çoğu zaman ham veriler, örneğin kullanıcı yorumları, emlak ilanlarındaki metrekare veya fiyat bilgileri gibi olgu niteliğinde olabilir. Bu durumda doğrudan telif hakkı koruması gündeme gelmeyecektir. Ancak bir bütün olarak veri tabanı korumasından söz edildiğinde telif hakkı ihlali gündeme gelebilir. Zira FSEK m.6/I-11’de veri tabanları hususunda; “Belli bir maksada göre ve hususi bir plan dâhilinde verilerin ve materyallerin seçilip derlenmesi sonucu ortaya çıkan ve bir araç ile okunabilir veya diğer biçimdeki veri tabanları” ifadelerine yer verilmiştir. Burada söz konusu koruma veriler değil; işleme eser niteliğindeki veri tabanı olacaktır10. Anılan hüküm kapsamında eser sahiplerine tanınan korumanın var olup olmadığının belirlenmesi için önemli olanın; veri ve materyallerin seçiliş ve derleniş biçimi olduğu, verilerin ve materyallerin gelişigüzel derlenmesi ile belli bir maksada göre ve plan dahilinde derlenmesi arasında ayrım yapılması gerektiğidir. Bir veri tabanının FSEK m.1B/I,d hükmünde yer alan ve derlemeler tanımında geçen “bir düşünce yaratıcılığı sonucu olma” unsurunu da bünyesinde bulundurması koşulu ile FSEK ile düzenlenen eser korumasından faydalanabilmesi için gereklidir. Bu nedenle FSEK m. 6’daki veri tabanı koruması sahibinin hususiyetini içeren veri tabanlarını kapsamaktadır11.
Bu çerçevede, web scraping yoluyla bir web sitesinden içerik toplanırken, yalnızca tekil verilerin değil, veri tabanının bütün olarak korunma kapsamına girip girmediğinin de değerlendirilmesi gerekmektedir. Eğer veri tabanı, sahibinin hususiyetini taşıyan, belirli bir amaç doğrultusunda seçilmiş ve düzenlenmiş içeriklerden oluşuyorsa, web scraping faaliyetleri telif hakkı ihlali teşkil edebilir. Öte yandan, içeriğin yalnızca ham veri niteliğinde olduğu veya hususiyet içermediği durumlarda, scraping işlemi doğrudan eser korumasını ihlal etmeyebilir.
2. Sui Generis Koruma
2004 yılında, FSEK’e eklenen ek 8. madde ile nitelikleri gereği özgün olmamakla birlikte, meydana getirilmelerinde büyük emek ve para sarf edilmiş veri tabanları bakımından; “Bir veri tabanının içeriğinin oluşturulmasına, doğrulanmasına veya sunumuna nitelik ve nicelik açısından esaslı bir nispet dahilinde yatırım yapan veri tabanı yapımcısına” sui generis bir hak ve koruma kapsamı tanınmıştır. Buna göre, bir veri tabanının içeriğinin tamamının veya önemli bir bölümünün izinsiz olarak kopyalanması, dağıtılması veya kamuya iletilmesi yasaktır. Bu doğrultuda veri yatırımcısının emeği ile mali ediminin korunmasına yönelik FSEK ek madde 8’de özel bir düzenleme öngörülmek suretiyle veri tabanı yapımcısına sui generis bir hak tanınmıştır12.
Bir veri tabanının sui generis veri tabanı sayılması için esaslı yatırım yapılması sayılmış olup ilk sırada içeriğin oluşturulması yönünde bir esaslı yatırım yapılması aranmaktadır. İçeriğin oluşturulması ifadesi ise doktrinde şu şekilde tanımlanmaktadır: “veri tabanının içeriğinin elde edilmesi kavramı, veri tabanı içeriğinde yayınlanacak olan eser, veri, bilgi ya da diğer materyallerin yayınlamak üzere bir araya toplanması eylemidir”13. Avrupa Birliği Adalet Divanı tarafından verilen Fixtures Marketing v. Svenska Spel AB kararında “esaslı nispet” dahilinde yatırım şartının yerine getirilmemesi sebebiyle sui generis korumadan yararlanılmayacağı yönünde karar vermiştir14. Anılan kararda; “içeriğinin elde edilmesine... yapılan yatırım ifadesi, bağımsız materyallerin oluşturulması için kullanılan kaynaklara değil, mevcut bağımsız materyallerin araştırılması ve veri tabanında toplanması için kullanılan kaynaklara atıfta bulunacak şekilde anlaşılmalıdır” ifadelerine yer verilerek verilerin oluşmasını sağlayan kaynakların (yazılım, teknik altyapı vs.) sui generis kapsamında kalmayacağı vurgulanmıştır. Dolayısıyla her web sitesinin içeriği bu korumadan yararlanmayacaktır.
Bu çerçevede, sui generis koruma, veri tabanı yapımcısının içerik oluşturma, doğrulama ve sunum süreçlerindeki yatırımını korumayı amaçlamakta olup, web scraping faaliyetleri bu koruma kapsamında da değerlendirilmelidir. Bununla birlikte, sadece ham verilerin toplanması, ekonomik bir yatırımı gerektirmeyen veya kamuya açık bilgilerin kullanılması her zaman sui generis hakkın ihlali olarak değerlendirilmeyebilir. Bu nedenle, web scraping uygulamalarının hem telif hakkı hem de sui generis koruma kapsamında dikkatle incelenmesi gerekmektedir.
III. HAKSIZ REKABET HÜKÜMLERİ AÇISINDAN DEĞERLENDIRME
Web scraping faaliyetlerinin hukuki açıdan değerlendirilmesi, yalnızca fikri mülkiyet hukuku kapsamında değil, haksız rekabet hükümleri çerçevesinde de değerlendirilebilir. Türk hukukunda haksız rekabete ilişkin hükümler 6098 sayılı Türk Borçlar Kanunu (“TBK”) (m.57) ve 6102 sayılı Türk Ticaret Kanunu’nda (“TTK”) (m.54-63) düzenlenmiştir. TBK m. 57, sadece ticari olmayan haksız rekabet hallerini düzenlemektedir ve içeriği itibariyle son derece dar kapsamlı bir hüküm iken TTK’daki düzenlemeler ticari nitelik taşısın taşımasın tüm haksız rekabet hallerini kapsayacak şekilde ve son derece ayrıntılı olarak düzenlenmiştir15.
A. TTK m. 54/2 Kapsamında Haksız Rekabet
TTK m.54 haksız rekabet hükümlerine ilişkin genel bir çerçeve çizmektedir. İlk fıkrada haksız rekabete ilişkin hükümlerin temel amacı, Kanun’da bütün katılanların menfaatine, dürüst ve bozulmamış rekabetin sağlanması şeklinde ifade edilmiştir.
TTK m.54/2 ise haksız rekabete ilişkin genel bir çerçeve çizmektedir. Bu düzenlemeye göre bir fiilin haksız rekabet ortamında sayılabilmesi için (i) ticari hayatı etkileyen bir davranış veya uygulama mevcut olmalı, (ii) bu davranış veya uygulama aldatıcı veya diğer bir şekilde dürüstlük kuralına aykırı olmalı ve (iii) rakipler arasındaki veya tedarik edenlerle müşteriler arasındaki ilişkilerin etkilenmesi gereklidir16. TTK 54/2 haksız rekabete ilişkin ilkeyi gösteren genel hüküm niteliğindeyken, dürüstlük kuralına aykırı davranış ve uygulamaları gösteren TTK m. 55 ise özel hüküm niteliğindedir17. Dolayısıyla bir davranışın hukuka aykırılığı, dürüstlük ilkesiyle ölçülecektir. Web scraping ise yukarıdaki hususlar çerçevesinde şartları taşıması halinde haksız rekabet hükümlerine göre değerlendirilebilir.
Web scraping, özellikle büyük ölçüde yapıldığında ticari hayatı doğrudan etkileyebilir. Rakiplerin veya üçüncü tarafların, başka bir işletmenin verilerini toplaması ve kullanması piyasa dinamiklerini değiştirebilir. Bu yönüyle scraping ile elde edilen verilerin kullanılması neticesinde veri sahibi işletmenin pazarlama avantajının elinden alınması, itibar kaybı veya müşterilerle ilişkilerinde zayıflama gibi zarar ihtimallerinden bahsediliyorsa bu fiil haksız rekabet teşkil edecektir. Ancak her scraping eyleminin bağlamına ve verinin kullanım şekline göre ayrı ayrı ele alınması gerekmektedir. Dolayısıyla web scraping yoluyla elde edilen verilerin hangi yöntemle toplandığı, nasıl kullanıldığı ve bu kullanımın ticari hayatı etkileyip etkilemediği ya da rakipler veya tedarik edenlerle müşteriler arasındaki dengeyi nasıl etkilediği hususları haksız rekabetin oluşup oluşmadığının belirlenmesinde kritik öneme olacaktır.
B. Başkalarının İş Ürünlerinden Yetkisiz Yararlanma Hali
Web scraping eylemi TTK m.54 kapsamında şartları sağladığı takdirde haksız rekabete konu olabileceği gibi TTK m. 55’de de özel olarak haksız rekabet hali teşkil edebilir. Zira 55/1-c maddesi ile “Başkalarının iş ürünlerinden yetkisiz yararlanma” hali haksız rekabet olarak düzenlenmiştir. İzin alınmaksızın web scraping yoluyla üçüncü kişilerin dijital içeriklerinin elde edilmesi, şartları sağlaması halinde haksız rekabet olarak değerlendirilebilir.
Kanun’un gerekçesinde hukuken özel olarak korunan fikrî mülkiyet haklarının bu hükmün kapsamına girmediği belirtilmiştir. Hukuki korumadan bağımsız olarak iş, faaliyet ve üretim süreçlerinde kritik öneme sahip olan teklif, hesap, plan gibi unsurların izinsiz kullanımına karşı bir koruma sağlamaktadır. Yine Kanun gerekçesine göre bu hüküm, haksız rekabet hukukunun temelini oluşturan “emek ilkesi”nin genişletilmiş bir uygulaması olup, başkalarının emeğinden, bilgi birikiminden ve deneyimlerinden haksız kazanç elde edilmesini önlemeye yöneliktir. Burada söz konusu olan “yararlanma” bir başkasının çabaları sonucunda elde edilen verileri izinsiz şekilde kullanarak ekonomik bir avantaj sağlamaktır. Nitekim haksız rekabet düzenlemelerinin ve özel olarak TTK m. 55’in asıl amacı, kişinin ve/ veya işletmenin emeğinin korunması ilkesidir. Bu doğrultuda Rekabet Kurulu’nun bir kararında, online ikinci el kitap satışına ilişkin benzer bir olayda verdiği kararda; kullanıcılar tarafından girilen verilerin “gönüllü ve erişime açık veriler olduğu”, verilerin yer aldığı platformun bu veriler üzerinde herhangi bir hakka sahip olmadığı için bu verilere erişimi engelleme yetkisinin bulunmadığı vurgulanmıştır18.
Doktrinde iş ürünü, “başta fikri veya sınai hukuku olmak üzere özel olarak korunmayan ancak üzerinde emeğin olduğu, iş faaliyet, üretim vs. yönünden önem taşıyan, teklif, hesap, plan gibi ürünleri” ifade etmektedir19. TTK m.55/1-c maddesinde haksız yararlanma halleri sayılmıştır. Web scraping bağlamında haksız yararlanma “3. Kendisinin uygun bir katkısı olmaksızın başkasına ait pazarlanmaya hazır çalışma ürünlerini teknik çoğaltma yöntemleriyle devralıp onlardan yararlanmak” hali ile ilişkilendirilerek gündeme gelebilir. Bent c-3 maddesi kapsamında haksız rekabetin söz konusu olabilmesi için (i) iş ürünü pazarlanmaya hazır olmalı, (ii) yararlanma iş ürünün teknik çoğaltma yöntemleriyle devralınması suretiyle gerçekleşmeli ve (iii) yararlanan kişinin iş ürününe uygun katkısı olmamalıdır20.
Web scraping faaliyetleri, TTK m. 55/1-c hükmü kapsamında değerlendirildiğinde, özellikle başkalarının iş ürünlerinden yetkisiz yararlanma açısından hukuki riskler doğurabilir. Bir web sitesi tarafından büyük emek ve yatırım harcanarak oluşturulan, pazarlanmaya hazır halde bulunan ve ekonomik değer taşıyan verilerin, scraping yöntemleriyle izinsiz olarak toplanması ve kullanılması, haksız rekabet teşkil edebilir. Bu bağlamda, scraping yapan tarafın verileri hangi yöntemle elde ettiği, bu veriler üzerinde herhangi bir katkısının bulunup bulunmadığı ve söz konusu verilerin pazarlanmaya hazır olup olmadığı hususları dikkate alınmalıdır. Bununla birlikte, söz konusu verilerin kamuya açık olup olmadığı ve ortaya konulan emek gibi etkenler de değerlendirilerek her somut olay özelinde bir hukuki analiz yapılması gerekmektedir.
C. Web Scraping Eyleminin Haksız Rekabet Teşkil Etmeyebileceği Haller
Web scraping, özellikle ticari amaçlarla kullanıldığında haksız rekabet teşkil edebilecek bir eylem olarak değerlendirilse de bazı istisnai durumlarda hukuka uygun sayılabilir. Web scraping’in haksız rekabet oluşturmadığı veya hukuka aykırı kabul edilmediği durumları belirlemek için verinin niteliği, sahibinin rızası ve kullanım amacı gibi unsurlar dikkate alınmalıdır. Bu bağlamda, bazı özel durumlarda web scraping haksız rekabet teşkil etmeyebilir.
1. Kullanıcı Tarafından Oluşturulan İçerik ve Yer Sağlayıcı
5651 sayılı İnternet Ortamında Yapılan Yayınların Düzenlenmesi ve Bu Yayınlar Yoluyla İşlenen Suçlarla Mücadele Edilmesi Hakkında Kanun (“5651 sayılı Kanun”), internet ortamında paylaşılan içeriklere ilişkin sorumluluklara yer vermektedir. Bu Kanun’un 2. maddesine göre yer sağlayıcı, “hizmet ve içerikleri barındıran sistemleri sağlayan veya işleten gerçek veya tüzel kişileri” ifade etmektedir. 5651 sayılı Kanun hükümleri incelendiğinde ise yer sağlayıcının internet sitesi üzerinde içerik sağlamadığı ve kullanıcıların sağladığı içerikler üzerinde herhangi bir hak ve sorumluluğunun bulunmadığı anlaşılmaktadır. Yine doktrinde de yer sağlayıcıların içerikler üzerindeki faaliyeti şu şekilde ifade edilmiştir: “Yer sağlayıcılar kendileri bir içerik üretmediklerinden, içerik sağlayıcılardan ayrılırlar. Aynı şekilde, yer sağlayıcıların erişim sağlayıcılardan esaslı farkı da, erişim sağlayıcılar anlık olarak ve içeriğini kontrol etme olanakları olmaksızın verilerin aktarımını sağlarken, yer sağlayıcılar devamlılık arz eden bir veri/bilgi depolama hizmeti sunmaktadır. Böylelikle, yer sağlayıcının sunucusunda bulunan veri ve bilgiler, internet kullanıcıları için erişilebilir kılınmaktadır (Feral-Schuhl, 2018: 1313)”21.
Bu durumda, söz konusu web sitesinde yayınlanan verilerin asıl hak sahipleri doğrudan kullanıcılar olduğundan, bu verilerin oluşturulması ve paylaşılmasında yer sağlayıcı konumundaki web sitesinin doğrudan bir emek harcadığını söylemek mümkün değildir. Yer sağlayıcılar, yalnızca kullanıcıların ürettiği ve paylaştığı içeriklere teknik bir alan sunmakta olup, içeriğin oluşturulması, düzenlenmesi veya doğrudan denetlenmesi gibi bir süreçte aktif bir rol üstlenmezler. Dolayısıyla, bu tür platformlarda barındırılan verilerin asıl sahipliği, içerik üretimini gerçekleştiren kullanıcılara ait olacağından scraping eyleminin hukuka aykırılığından her zaman söz edilmeyebilir.
2. Kamuya Açık Veriler ve Açık Veri İnisiyatifleri
Web scraping bağlamında bir diğer önemli konu, kamuya açık veriler ve açık veri kavramıdır. Açık veri, (i) internet üzerinden erişilebilir, (ii) yeniden kullanıma ve yeniden dağıtıma açık ve (iii) kişi ve gruplara bakılmaksızın herkesin kullanıma açık olan veri olarak tanımlanmıştır22. Kamu kurumları veya kamusal nitelikteki projeler tarafından oluşturulan verilerin, topluma fayda sağlamak amacıyla serbestçe erişime açılması eğilimi son yıllarda artmıştır. Örneğin Resmî Gazete’de yayınlanan mevzuat metinleri, Yargıtay kararları23 ya da TBMM tutanakları, telif hakkı veya veri tabanı koruması dışında tutulur; dolayısıyla bu bilgilerin yazılım yoluyla toplanması, düzenlenmesi ve kullanılması serbesttir. Kamu yararına açık veriler, toplumun yenilikçi projeler geliştirmesi ve şeffaflığın artması için serbest bırakılmıştır. Dolayısıyla, web scraping her zaman olumsuz bir eylem olmayıp, veri paylaşılan ekosisteminin doğal bir parçası da olabilir. Nitekim ABD 9. Temyiz Dairesi’nin önüne gelen bir uyuşmazlıkta; herkesin erişimine açık olan verilere yönelik veri toplama faaliyetlerinin hukuka aykırı olmadığı kararı tesis edilmiştir. Linkedin tarafından Hiq Labs adlı firmaya açılan davada Mahkeme, internet sitesinin kullanım koşullarında veri toplama işleminin ve/ veya yetkisiz veri çekmenin yasaklanmasının, herkesin erişimine açık veriler açısından uygulanamayacağına hükmetmiştir. Mahkeme, kamuya açık bir web sitesini dolaşan botun, “yetkisiz erişim” kavramına girmediğini, zira ortada şifreyle korunan veya kapalı bir sistem olmadığına hükmetmiştir24.
Ancak burada dikkat edilmesi gereken nokta, her “kamuya açık” verinin hukuken serbest olmadığıdır. Bir veri herkese açık olarak internette bulunabilir, ancak bu onun mutlaka açık veri olduğu anlamına gelmez. Örneğin bir üniversitenin yayınladığı araştırma makaleleri web sitesinde herkesin erişimine açık olabilir; fakat bunlar telif hakkıyla korunmaktadır ve açık lisansla sunulmadığı sürece topluca çekilip dağıtılamaz. Benzer şekilde, bir sosyal medya platformundaki gönderiler kamuya açık profillerde görülebilir; ama bu içerikler kullanıcılara aittir ve platform şartlarına tabidir. Bu nedenle, verinin kamu yararına sunulmuş olması ile sadece erişiminin açık olması ayrımını yapmak gerekir.
3. Hak Sahibinin Rızası
Meşru kullanım kapsamında sayılabilecek bir diğer durum, web scraping’in hak sahibinin rızası durumunda söz konusu olabilir. Bazı web siteleri, verilerinin kullanılmasına kısıtlı da olsa izin verebilirler. Örneğin, geliştiriciler için Uygulama Programlama Arabirimi (“API”) (Application Programming Interface) sağlayan platformlar, belirli koşullar altında veri çekmeye müsaade edebilir25. API, bir yazılımın başka bir yazılım ile iletişim kurmasını sağlayan bir arayüzdür26. Eğer site sahibi scraping’e alternatif bir yöntemle (API gibi) izin veriyorsa, bu durumda doğrudan scraping yerine o yolla veri almak en doğrusu olacaktır, fakat API erişimi de sonuçta veri kullanım izni anlamına gelir.
İnternet kültüründe “robotlar ve insanlar arasındaki centilmenlik anlaşması”27 olarak adlandırılan bazı uygulamalar olsa da haksız bir rekabet ortamının oluşmasının engellenmesi için yasal boşlukların doldurulması gerekmektedir. Keza, bazı siteler robots.txt dosyaları veya kullanım koşulları içinde hangi botlara izin verdiğini veya vermediğini belirtir. Genel olarak arama motoru botlarına izin verilirken, başka türlü veri kazıyıcı botlara izin verilmeyebilir. Birçok site robots.txt dosyasıyla hangi kısımlarının botlar tarafından taranıp taranamayacağını ilan eder. Bu teknik bir protokoldür, yasal yaptırımı yoktur. Teknik olarak robots.txt’ye uymamanın yasal bir yaptırımı olmasa da bu tarz izinlerin varlığı site sahibinin iradesini göstermektedir. Benzer şekilde, bir sitenin kullanım şartlarında “içeriklerin otomatik çekilmesi yasaktır” yazdığında, bu bir nevi site sahibinin rızasının olmadığını gösterir. Eğer bir site sahibi verisini paylaşmaya tamamen karşıysa ve bunu açıkça belirtmişse, bu durumda scraping yapmak hukuken bir yasa hükmünü ihlal etmese bile kötü niyet göstergesi sayılabilir ve ileride uyuşmazlığa konu olması durumunda mahkeme nezdinde aleyhe değerlendirilebilir.
4. Hâkim Durumun Kötüye Kullanılması
4054 sayılı Rekabetin Korunması Hakkında Kanun hâkim durumu “Belirli bir piyasadaki bir veya birden fazla teşebbüsün, rakipleri ve müşterilerinden bağımsız hareket ederek fiyat, arz, üretim ve dağıtım miktarı gibi ekonomik parametreleri belirleyebilme gücünü” şeklinde tanımlayarak kötüye kullanılmasını yasaklamaktadır. Piyasada hâkim durumda olan şirketlerin web scraping uygulamalarını rakiplerin veri erişimini kısıtlamak veya rekabeti baskılamak amacıyla kullanması, hukuki sorunlar doğurabilir. Rakiplerinin kendi sistemlerinden veri toplamasını engelleyerek piyasa gücünü pekiştirebilir. Bu durum, rakip firmaların piyasaya girmesini zorlaştırabilir ve kullanıcı seçeneklerini kısıtlayabilir. Zira veri dijital ekosistemin önemli bir unsurunu oluşturduğundan web scraping yoluyla veri toplayan rakiplerin büyük platformlar tarafından engellenmesi, piyasa dengesizliğine ve tekelleşme riskine yol açabilecektir.
Nitekim Rekabet Kurulu’nun bir kararında online ikinci el kitap satış platformu satıcılarının bu platforma yükledikleri kitap verilerine erişim ve veri taşınabilirliği taleplerinin haklı bir gerekçe olmadan reddedildiği, söz konusu verileri başka yollarla rakip platformlara aktaran satıcıların platform üyeliklerinin askıya alındığı ve ilgili veriler rakip platformdan kaldırılmadan satıcıların üyeliklerinin tekrar aktive edilmediği gerekçesiyle platform sahibinin bahse konu veri taşınabilirliğinin sınırlandırılmasına ilişkin eylemleri, rekabet hukuku çerçevesinde pazarda münhasırlık yaratılması, rakiplerin faaliyetlerinin zorlaştırılması ve pazara giriş engeli yaratılması nedeniyle hakim durumun kötüye kullanılması olarak nitelendirilmiştir28. Bu nedenle dijital veri kısıtlamaları rekabeti ihlal eden, hâkim durumun kötüye kullanılması teşkil etmediği müddetçe geçerli olacağından, web scraping yönteminin kullanım sınırlarının belirlenmesi önem arz etmektedir.
IV. YAPAY ZEKÂ VE WEB SCRAPING
Yapay zekâ alanındaki gelişmeler, web scraping tartışmalarına yeni bir boyut eklemiştir. Zira günümüz yapay zekâ modelleri, özellikle makine öğrenimi ve derin öğrenme algoritmaları, büyük ölçüde mevcut verilere dayanarak geliştirilmektedir. Bu nedenle, internet üzerindeki devasa veri havuzu, yapay zekâ araştırmacıları ve şirketleri için doğal bir kaynak haline gelmiştir. Ancak yapay zekâ için veri toplamada web scraping’e başvurulması, teknik kolaylıklar sağlasa da hukuki açıdan karmaşık soruları beraberinde getirir.
Yapay zekâ modelleri, performanslarını artırabilmek için muazzam miktarda veriye ihtiyaç duyar. Örneğin, bir dil modelinin (doğal dil işleme alanında) insan düzeyinde cevaplar üretebilmesi için milyarlarca kelimelik metinle eğitilmesi gerekebilir. Benzer şekilde, bir görüntü tanıma sisteminin, nesneleri yüksek doğrulukla tanıyabilmesi için milyonlarca resmi analiz etmesi gerekir. Bu veriler genellikle internette dağınık halde bulunan, farklı kaynaklardan derlenmiş içeriklerdir. Web scraping, işte bu noktada, internetteki dağınık ve büyük hacimli verileri yapılandırılmış bir biçimde toplamaya hizmet eder. Yapay zekâ geliştiricileri, kamuya açık veri kaynaklarını (haber siteleri, ansiklopedi içerikleri, sosyal medya paylaşımları, forumlar, akademik makaleler vb.) kazıyarak kendi eğitim veri setlerini oluşturabilirler. Bu yaklaşım, yapay zekâ araştırmalarında ciddi bir ivme sağlamıştır. Örneğin, OpenAI’ın geliştirdiği GPT serisi modellerinin eğitimi için internetten toplanan devasa metin korpusları kullanıldığı bilinmektedir. Keza, görüntü işleme alanında yaygın olarak bilinen ImageNet veri seti, büyük ölçüde internetteki görsellerin derlenmesiyle oluşturulmuştur. Ancak, yapay zekâ modellerinin “veriye aç” doğası, beraberinde bir soru getirir: Bu kadar çok veriyi, hukuka uygun bir şekilde nasıl elde edebilir? Çünkü her veri kaynağı serbestçe kullanılabilir olmadığından telif hakkı, gizlilik veya kullanım şartları gibi engeller söz konusu olabilir. Yapay zekâ alanında rekabet eden firmalar, veri toplama konusunda sınırları zorlayabilmekte, bu da hukuki çekişmelere sebep olabilmektedir.
Web scraping uygulamasının yaygınlaşması haksız rekabet ortamını pekiştirmektedir. Zira büyük teknoloji şirketleri, geniş çapta veri kazıyarak kendi yapay zekâ modellerini eğitirken, daha küçük ölçekli firmalar veya bireysel olarak çalışma gerçekleştiren girişimler aynı hacimde veriye erişim sağlamakta güçlük çekebilir. Öte yandan içerik üreticileri de kendi ürettikleri içeriklerin izinsiz kullanımı nedeniyle zarar görebilir. Bu durum büyük ölçekli veri setleri oluşturan şirketlerin veri temelli tekelleşmesine neden olarak rekabet ortamının bozulmasına neden olabilir. Zira web scraping yöntemiyle büyük ölçekli veri setleri oluşturan şirketler, verileri açık erişime sunmadan yalnızca kendi modellerini güçlendirmek için kullanmaları durumunda kendilerine adil olmayan bir avantaj sağlayacaklardır. Hukuki boşlukların doldurulmaması ve dengenin korunmaması durumunda, piyasada inovasyon daralabileceği gibi yeni girişimlerin rekabet gücünü elinden alacaktır. Bu nedenle yasal düzenlemelerle rekabetin korunması sağlanmalıdır. Avrupa Birliği mevzuatı ile getirilen metin ve veri madenciliği istisnaları yapay zekâ araştırmalarının gelişimini desteklemekle birlikte, veri sahiplerinin de haklarını gözetmektedir. Birleşik Krallık’da da benzer şekilde, veri madenciliğinin ticari kullanımı konusunda dengeleyici mevzuat çalışmalarının yapılması hedeflenmektedir. Ancak bu düzenlemelerin yalnızca akademik araştırmaları değil, ticari yapay zekâ geliştiricilerini de kapsayacak şekilde genişletilmesi önem arz etmektedir. Web scraping faaliyetlerinin sınırlarını belirleyen lisanslama mekanizmaları, kullanım izinleri ve şeffaflık yükümlülükleri gibi düzenlemeler hem içerik üreticilerinin haklarını koruyacak hem de veriye erişimi rekabet ortamına uygun bir şekilde sağlayacaktır. Dijital ekosistemin inovasyonu destekleyen bir şekilde ilerlemesi için hukuki düzenlemeler kaçınılmazdır.
V. SONUÇ
Web scraping, dijital çağın veri odaklı yapısını destekleyen önemli bir teknik olmakla birlikte, hukuki açıdan birçok tartışmayı beraberinde getirmektedir. Özellikle haksız rekabet ve fikri mülkiyet ihlalleri bağlamında değerlendirildiğinde, scraping faaliyetlerinin yasal çerçevede belirlenmesi ve sınırlarının netleştirilmesi büyük bir gereklilik olarak ortaya çıkmaktadır. Türk hukukunda web scraping’e özgü doğrudan bir düzenleme bulunmamakla birlikte, mevcut hukuk normları çerçevesinde fikri mülkiyet hakları ve haksız rekabet ile ilişkilendirilerek ele alınmaktadır. Scraping işlemi, veri sahibinin rızasına bağlı olarak hukuka uygun kabul edilebileceği gibi, özellikle telif hakkıyla korunan içeriklerin izinsiz olarak toplanması, veri tabanlarının sui generis korumasının ihlal edilmesi veya rakip işletmelerin iş modellerine zarar verecek şekilde kullanılması halinde hukuka aykırı sayılabilmektedir. Ayrıca, TTK kapsamında haksız rekabet hükümleri, scraping faaliyetlerinin rekabet dengesine etkisini dikkate alarak değerlendirilmesini gerekli kılmaktadır. Bununla birlikte, kamuya açık verilerin toplanması, veri sahibinin açık rızasının bulunması veya hâkim durumun kötüye kullanılmasının önlenmesi gibi istisnai durumlarda scraping faaliyetlerinin hukuka uygun olarak kabul edilip edilmeyeceği somut olaya göre değerlendirilecektir. Yapay zekâ ve büyük veri teknolojilerinin yaygınlaşmasıyla birlikte web scraping’in kullanım alanları artarken, hukuki düzenlemelerin de bu dijital dönüşüme ayak uydurması gerekmektedir. Bu çerçevede, Türkiye’de ilgili mevzuatın geliştirilmesi ve web scraping’e yönelik daha net hukuki çerçevelerin çizilmesi hem veri güvenliğini hem de dijital ekonominin sağlıklı gelişimini destekleyecektir.
KAYNAKÇA
ALESSANDRA QUARTA/ MICHAEL W. MONTEROSSI, “Web Scraping: A Private Law Perspective”, Journal of Law, Cognitive Science and Artificial Intelligence, 2023.
BO. ZHAO, “Web Scraping.” In Encyclopedia of Big Data, edit. Lau - rie A. Schintler and Connie L. McNeely, 1–3. Springer International Publishing, Mayıs 2017. Doi:10.1007/978-3-319-32001-4_483-1. Erişim: https://www.researchgate.net/publication/317177787_ Web_Scraping.
CAHİT SULUK/ RAUF KARASU/ TEMEL NAL, Fikri Mülkiyet Hu - kuku, Seçkin Yayınları, Ankara: 2022.
ECJ, C-338/02, Fixtures Marketing v Svenska Spel AB, 9 Kasım 2004. Erişim: https://curia.europa.eu/juris/liste.jsf?language=en& - num=C-338/02.
FERNÁNDEZ-VILLAMOR/ JOSÉ IGNACIO/ JACOBO BLAS - CO-GARCÍA/ CARLOS A. IGLESIAS/ MERCEDES GARIJO. “A Semantic Scraping Model for Web Resources-Applying Linked Data to Web Page Screen Scraping.” In ICAART 2011 -
Proceedings of the 3rd International Conference on Agents and Artificial Intelligence, Ocak 28-30, 2011. FEVZİ ALPEREN ERSOY, Haksız Rekabet Hukukunda Başkaları - nın İş Ürünlerinden Yetkisiz Yararlanma, Yüksek Lisans Tezi, 2022.
FÜSUN NOMER ERTAN, Haksız Rekabet Hukuku, On İki Levha Yayıncılık, İstanbul: 2017.
HÜSEYİN ÜLGEN/ MEHMET HELVACI/ ARSLAN KAYA, Ticari İşletme Hukuku, Vedat Kitapçılık, Ankara: 2022.
MANUSHI WEERASINGHE, (2024). Enhancing Web Scraping with Artificial Intelligence: A Review, Erişim: https://www.researchgate. net/publication/379024314_Enhancing_Web_Scraping_with_Ar - tificial_Intelligence_A_Review.
MARK L. BRAUNSTEIN, Health Informatics on FHIR: How HL7’s New API is Transforming Healthcare. Erişim: https://books.google. com.tr/books?id=tJdmDwAAQBAJ&pg=PA9&redir_esc=y#v=one - page&q&f=false.
R. M. VORDING, Harvesting Unstructured Data in Heterogenous Business Environments; Exploring Modern Web Scraping Techno - logies. 2021. Erişim: https://purl.utwente.nl/essays/85663.
YAVUZ SELİM ŞENER, Fikri Mülkiyet Hukukunda Dijital Veri Ta - banlarının Korunması, 2013.
Zyte. “What Is Web Scraping?” Erişim: https://www.zyte.com/learn/ what-is-web-scraping/.
DİPNOT
1 Zyte, “What Is Web Scraping?,” Erişim: https://www.zyte.com/learn/ what-is-web-scraping/.
2 R. M. Vording, Harvesting Unstructured Data in Heterogenous Business Environments; Exploring Modern Web Scraping Technologies, s. 1. Erişim: https://purl.utwente.nl/essays/85663.
3 Vording, Web Scraping Technologies, s. 2.
4 Manushi Weerasinghe, (2024). Enhancing Web Scraping with Artificial Intelligence: A Review, Erişim: https://www.researchgate.net/publication/379024314_Enhancing_Web_ Scraping_with_Artificial_Intelligence_A_Review, s.1.
5 Vording, Web Scraping Technologies, s. 2-3.
6 José Fernández-Villamor/ Jacobo Blasco-García/ Carlos Iglesias / Mercedes Garijo, (2011). A Semantic Scraping Model for Web Resources - Applying Linked Data to Web Page Screen Scraping. Erişim: https://oa.upm.es/13159/1/INVE_ MEM_2011_109693.pdf s. 452-454.
7 Fernández/ García/ Iglesias/ Garijo, (2011). A Semantic Scraping Models, s. 454.
8 Bo Zhao, “Web Scraping,” in Encyclopedia of Big Data, ed. Laurie A. Schintler and Connie L. McNeely, Springer International Publishing: 2017, s. 1. Erişim: https://www.researchgate.net/publication/317177787_ Web_Scraping.
9 Directive 96/9/EC of the European Parliament and of the Council of 11 March 1996 on the Legal Protection of Databases, Erişim: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:01996L0009-20190606.
10 Cahit Suluk/ Rauf Karasu/ Temel Nal, Fikri Mülkiyet Hukuku, Seçkin Yayıncılık, Ankara 2022, s. 148.
11 Suluk & Karasu & Nal, s. 148.
12 Suluk & Karasu & Nal, s. 149.
13 Yavuz Selim Şener, Fikri Mülkiyet Hukukunda Dijital Veri Tabanlarının Korunması, 2013, s. 62.
14 ECJ, C-338/02, Fixtures Marketing wv Svenska Spel AB, 9 Kasım 2004.
15 Hüseyin Ülgen/ Mehmet Helvacı/ Arslan Kaya, Ticari İşletme Hukuku, Vedat Kitapçılık, Ankara: 2022, s. 343-345.
16 Ülgen/ Helvacı/ Kaya, Ticari İşletme Hukuku, s. 348.
17 Ülgen/ Helvacı/ Kaya, Ticari İşletme Hukuku, s. 347.
18 Rekabet Kurulu Kararı, 22-16/273122 Karar, 07.04.2022 Tarih.
19 Fevzi Alperen Ersoy, Haksız Rekabet Hukukunda Başkalarının İş Ürünlerinden Yetkisiz Yararlanma, Yüksek Lisans Tezi, 2022, s. 71.
20 Füsun Nomer Ertan, Haksız Rekabet Hukuku, On İki Levha Yayıncılık, İstanbul: 2017, s. 322.
21 Zeynep Yasaman, “Avrupa Birliği ve Türk Hukuku bakımından İnternet Yer Sağlayıcılarının Marka İhlalleri Kapsamında Sorumlulukları”, Marmara Avrupa Araştırmaları Dergisi, s. 267.
22 Açık Veri ve Teknoloji Derneği, Erişim: https://avted.org.tr/acik-veri-nedir/.
23 Yargıtay 4. HD, E. 1970/7515 K. 1970/7344 T. 06.10.1970. “Yargıtay kararları kamuya açık niteliktedir. Bu kararların tam ve özet olarak yayımlanması herkes için olanaklıdır.”
24 hiQ Labs, Inc. v. LinkedIn Corp. Erişim: https://law.justia.com/cases/federal/appellate-courts/ca9/17-16783/1716783-2022-04-18.html.
25 Vording, Web Scraping Technologies, s. 5.
26 Braunstein, Mark L. Health Informatics on FHIR: How HL7’s New API is Transforming Healthcare. s. 9.
27 Tom Cranstoun, What’s the impact of the new Robot-First Web? Erişim: https://www.boye-co.com/ blog/2025/1/whats-the-impact-ofthe-new-robot-first-web
28 Rekabet Kurulu Kararı, 22-16/273122 Karar, 07.04.2022 Tarih.
