Kontrolle über KI-Trainingsdaten: Wem gehört Ihr Inhalt?

Die Datenbesitz-Krise

Die Frage hallt durch Vorstandsetagen, Gerichtssäle und Kreativstudios weltweit: Wem gehören eigentlich die Inhalte, mit denen künstliche Intelligenz trainiert wird? Diese scheinbar einfache Frage ist zu einem der umstrittensten Rechtsprobleme unserer Zeit geworden, denn die meisten KI-Modelle werden mit urheberrechtlich geschütztem Material trainiert – ohne ausdrückliche Erlaubnis oder Vergütung für die ursprünglichen Urheber. Von OpenAIs ChatGPT bis zu Googles Gemini wurden diese Systeme auf riesigen Datensätzen aufgebaut, die Bücher, Artikel, Bilder und Code enthalten, die aus dem Internet zusammengetragen wurden – vieles davon urheberrechtlich geschützt. Das hat ein großes juristisches Schlachtfeld ausgelöst, mit anhaltenden Klagen großer Verlage, Künstler und Content-Ersteller, die die Rechtmäßigkeit dieser Praxis infrage stellen. Für Content-Ersteller, Unternehmen und KI-Entwickler ist das Verständnis darüber, wer die Trainingsdaten kontrolliert, entscheidend, um die Zukunft der künstlichen Intelligenz zu gestalten.

Was sind KI-Trainingsdaten?

Um die Eigentumsfrage zu verstehen, muss zunächst klar sein, was Trainingsdaten sind und wie sie moderne KI-Systeme antreiben. Trainingsdaten sind das Rohmaterial, das KI-Modelle befähigt, Muster zu erkennen und Ausgaben zu generieren – sei es Text, Bilder, Code oder andere Inhalte. Das Ausmaß ist enorm: Große Sprachmodelle wie GPT-3 werden mit Terabytes an Daten trainiert, die Milliarden von Parametern enthalten, die iterativ angepasst werden, um die Leistung zu verbessern. Diese Trainingsdaten stammen aus einer riesigen Vielfalt von Quellen: veröffentlichte Bücher, wissenschaftliche Artikel, Nachrichten-Websites, Social-Media-Beiträge, Bilder aus dem gesamten Internet, Open-Source-Code-Repositorien und Videoinhalte. Das entscheidende Problem ist: Der Großteil dieser Trainingsdaten besteht aus urheberrechtlich geschütztem Material – Werken, die durch das Recht an geistigem Eigentum geschützt sind und deren Urhebern exklusive Rechte zur Vervielfältigung und Verbreitung zustehen. Dennoch haben KI-Unternehmen in der Regel keine ausdrücklichen Lizenzvereinbarungen oder Erlaubnisse der Rechteinhaber eingeholt, sondern berufen sich darauf, dass ihre Nutzung unter den Begriff “Fair Use” im Urheberrecht falle. Das US Copyright Office hat begonnen, diese Praktiken zu untersuchen und erkennt an, dass der rechtliche Rahmen für KI-Trainingsdaten ungeklärt ist und dringend einer Klärung bedarf.

Die Frage der Urheberrechtsverletzung

Die zentrale Rechtsfrage ist, ob die Nutzung urheberrechtlich geschützter Werke zum Training von KI-Modellen eine Urheberrechtsverletzung darstellt oder unter die Regelung der „Fair Use“-Doktrin fällt. Die Fair-Use-Doktrin, verankert im Urheberrecht, erlaubt in bestimmten Situationen die begrenzte Nutzung geschützter Werke ohne Erlaubnis. Gerichte bewerten Fair-Use-Ansprüche anhand von vier Faktoren: (1) Zweck und Charakter der Nutzung, (2) Art des geschützten Werks, (3) Umfang und Substanz des genutzten Teils und (4) Auswirkung auf den Markt des Originalwerks. Die Anwendung dieser Faktoren auf das KI-Training ist höchst umstritten. Im Fall Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc. gab ein Bundesgericht zu, sich in einer “unangenehmen Position” zu befinden, als es die Frage bewerten musste, ob es dem öffentlichen Interesse dient, KI mit urheberrechtlich geschütztem Material zu trainieren – und überließ die Entscheidung letztlich einer Jury. Der Konflikt zwischen Innovation und Urheberrechtsschutz ist deutlich: KI-Entwickler argumentieren, dass das Training mit vielfältigen Daten nötig ist, um leistungsfähige Systeme zum gesellschaftlichen Nutzen zu schaffen, während Rechteinhaber meinen, dass eine uneingeschränkte Nutzung ihrer Werke ihre Möglichkeiten zur Monetarisierung und Kontrolle ihres geistigen Eigentums untergräbt.

Wem gehören KI-generierte Inhalte?

Ist die Frage des Eigentums an Trainingsdaten schon komplex, ist die Frage nach dem Eigentum an KI-generierten Inhalten ebenso undurchsichtig. Interessanterweise verzichten die meisten großen KI-Unternehmen ausdrücklich auf Ansprüche an den von ihren Modellen generierten Inhalten. OpenAI erklärt, dass Nutzer “alle Outputs” von ChatGPT besitzen, Microsoft nennt Output Content “Kundendaten” und beansprucht kein Eigentum. Auch Anthropic überträgt alle Rechte an Outputs an Kunden, und GitHub bestätigt, dass Nutzer die Rechte an mit Copilot generiertem Code behalten. Diese großzügige Haltung kollidiert jedoch mit einer anderen Rechtsrealität: Das US Copyright Office hat entschieden, dass rein KI-generierte Inhalte unter Umständen nicht urheberrechtlich schützbar sind, weil das Urheberrecht “menschliche Urheberschaft” fordert. Im Präzedenzfall Thaler v. Perlmutter bestätigte ein Bundesgericht, dass “menschliche Urheberschaft eine Grundvoraussetzung des Urheberrechts” ist. Die aktuelle Richtlinie des Copyright Office besagt, dass, wenn KI-Technologie die schöpferischen Elemente ihrer Outputs bestimmt, das Ergebnis kein menschliches Werk darstellt und daher nicht registrierbar ist. Es gibt jedoch eine wichtige Ausnahme: Wenn ein Mensch KI-Generiertes erheblich verändert oder kreativ arrangiert, können die menschlichen Anteile urheberrechtlich geschützt werden, während die KI-Elemente ungeschützt bleiben.

Neue Regulierungen und Rechtsstreitigkeiten

Die Rechtslage rund um KI-Trainingsdaten entwickelt sich rasant weiter, mit mehreren parallelen Prozessen und entstehenden Regelungen. Große Klagen stellen die Nutzung urheberrechtlich geschützter Werke durch KI-Unternehmen infrage, darunter Verfahren der Authors Guild gegen OpenAI, von Getty Images gegen Stability AI und von Musikverlagen gegen KI-Musikgeneratoren. Diese Verfahren befinden sich noch im Anfangsstadium, setzen aber wichtige Präzedenzfälle für Fair Use im KI-Kontext. Über Gerichtsverfahren hinaus beginnen Regierungen, das KI-Training zu regulieren. Das KI-Gesetz der EU enthält Vorschriften zu Transparenz und Urheberrechtskonformität bei Trainingsdaten, während einzelne US-Bundesstaaten wie Arkansas Gesetze verabschieden, die klarstellen, dass derjenige, der Daten oder Eingaben zum Training eines generativen KI-Modells bereitstellt, das Eigentum am resultierenden Output besitzt. Das US Copyright Office hat eine umfassende Studie zu KI und Urheberrecht gestartet und bittet öffentlich um Stellungnahmen zu den zentralen Fragen rund um Trainingsdaten und Fair Use.

Zentrale Rechtsfragen, die in KI-Trainingsdaten-Streitigkeiten aufkommen:

• Urheberrechtsverletzungen – Ob die unbefugte Nutzung geschützter Werke zum Training das exklusive Vervielfältigungsrecht verletzt
• Datenschutzverletzungen – Nutzung personenbezogener Daten im Training ohne Einwilligung oder angemessene Schutzmaßnahmen
• Lizenzierung & Vergütung – Faire Lizenzbedingungen und Vergütung für Content-Ersteller klären
• Haftung für Outputs – Wer haftet, wenn KI-generierte Inhalte Rechte Dritter verletzen
• Schutz von Geschäftsgeheimnissen – Schutz proprietärer Trainingsdaten und Modellarchitekturen
• Transparenzanforderungen – Offenlegungspflicht, welche Daten zum Training von KI-Modellen verwendet wurden

Vertragliche Lösungen und Best Practices

Angesichts der rechtlichen Unsicherheiten sind klare Vertragsbedingungen zum Schutz der Interessen an KI-Trainingsdaten unerlässlich. Organisationen, die KI einsetzen, sollten in Vereinbarungen auf drei zentrale Aspekte achten: Input-Daten, Output-Daten und abgeleitete Daten. Beim Eigentum an Input-Daten sollten Unternehmen, die Daten für KI-Training bereitstellen, explizit regeln, dass sie die Kontrolle behalten und dass der KI-Anbieter ihre proprietären Daten nicht zum Training von Modellen für Wettbewerber oder zur Verbesserung allgemeiner Modelle ohne Zustimmung verwenden darf. Beim Eigentum an Output-Daten wird es komplexer – Kunden möchten in der Regel Outputs, die aus ihren Input-Daten erstellt wurden, besitzen, während Anbieter sich oft Rechte zur Nutzung der Outputs für die Weiterentwicklung sichern wollen. Abgeleitete Daten – neue Erkenntnisse und Muster, die aus der Kombination von Input und Output gewonnen werden – stellen einen weiteren Streitpunkt dar, da beide Parteien hier Wert sehen. Best Practices sind: vor der Nutzung von Daten für KI-Training eine ausdrückliche schriftliche Zustimmung einholen, Vertraulichkeitsklauseln gegen unbefugte Weitergabe aufnehmen, Eigentum an Outputs und abgeleiteten Daten genau regeln und von Anbietern Sicherheitsstandards für Daten verlangen. Für Content-Ersteller, die verhindern wollen, dass ihre Werke für KI-Training genutzt werden, werden Lizenzvereinbarungen, die dies ausdrücklich verbieten oder eine Vergütung dafür vorsehen, immer wichtiger.

Die Rolle von KI-Monitoring beim Schutz von Inhalten

Während sich die Rechtslage weiterentwickelt, brauchen Content-Ersteller und Unternehmen Transparenz darüber, wie ihre Werke von KI-Systemen genutzt werden. Hier kommen KI-Monitoring-Tools ins Spiel. Plattformen, die erfassen, wie KI-Modelle Ihre Inhalte referenzieren, zitieren oder integrieren, liefern wichtige Erkenntnisse zum Schutz geistiger Eigentumsrechte. Zu wissen, wann und wie Ihre Inhalte in KI-Trainingsdatensätzen oder KI-Outputs auftauchen, hilft bei Lizenzentscheidungen, rechtlichen Schritten und der Geschäftsstrategie. Wenn Sie etwa feststellen, dass Ihr geschütztes Werk ohne Erlaubnis zum Training eines kommerziellen KI-Modells verwendet wurde, stärkt dieser Nachweis Ihre Position in Lizenzverhandlungen oder einem möglichen Rechtsstreit. KI-Monitoring unterstützt auch das allgemeine Ziel von Transparenz in der KI-Entwicklung – die Dokumentation, welche Inhalte wie genutzt werden, schafft Verantwortlichkeit und erhöht den Druck auf Unternehmen, ordnungsgemäße Lizenzen und Genehmigungen einzuholen. Da Vorschriften wie das KI-Gesetz der EU zunehmend die Offenlegung von Trainingsdatenquellen verlangen, wird umfassendes Monitoring nicht nur zum Wettbewerbsvorteil, sondern womöglich zur rechtlichen Pflicht. Die Fähigkeit, die Reise Ihrer Inhalte durch das KI-Ökosystem nachzuverfolgen, wird im Zeitalter der künstlichen Intelligenz so wichtig wie der traditionelle Urheberrechtsschutz für den Schutz Ihrer kreativen und geistigen Werke.