Urheberrechtsrisiken bei Trainingsdaten und Outputs generativer AI

Urheberrechtsstreitigkeiten um generative AI lassen sich nicht mehr auf die abstrakte Frage reduzieren, ob AI-Training Fair Use ist. Aktuelle US-Fälle und politische Diskussionen zeigen, dass praktische Risiken von konkreteren Fragen abhängen: Woher stammen die Daten, wie wurden sie kopiert oder gespeichert, bleiben Originaldateien nach dem Training erhalten und ersetzt der AI-Dienst oder Output einen Markt des Rechteinhabers?

Bartz v. Anthropic: Training und rechtswidrige Datenspeicherung sind getrennte Fragen

Die Bedeutung von Bartz v. Anthropic liegt nicht in einer generellen Freigabe von AI-Training. Wichtig ist, dass das Gericht unterschiedliche Handlungen im Entwicklungsprozess getrennt betrachtet hat: Nutzung für Training, Digitalisierung rechtmäßig erworbener Bücher und Aufbau beziehungsweise Speicherung einer zentralen Bibliothek mit piratierten Kopien.

Für Unternehmen bedeutet das: Auch wenn ein Modell den Originaltext am Ende nicht ausgibt, kann das Risiko bei der Datenbeschaffung bestehen bleiben. Unternehmen sollten erklären können, ob Daten rechtmäßig erworben wurden, ob Quelldateien nach dem Training gespeichert blieben, wer Zugriff hatte und ob eine Wiederverwendung möglich war.

Thomson Reuters v. Ross: Wettbewerb mit Lizenzmärkten schwächt Fair Use

Thomson Reuters v. Ross Intelligence zeigt ein weiteres Risiko. Dort wurden Materialien für die Entwicklung eines juristischen Rechercheprodukts genutzt, das mit Westlaw konkurrieren sollte. Das Gericht bewertete die Nutzung als kommerziell und wettbewerblich und sah mögliche Auswirkungen auf Lizenz- und Derivatmärkte.

Besondere Vorsicht gilt bei professionellen Datenbanken, Nachrichten, juristischen Inhalten, Bildungsinhalten, Bildern, Musik und anderen hochwertigen Inhalten, für die bereits Lizenzmärkte bestehen. Wenn ein AI-Produkt mit dem Markt des Rechteinhabers konkurriert, ist eine Fair-Use-Verteidigung schwieriger.

Output-Risiken dürfen nicht übersehen werden

Trainingsdaten sind nur ein Teil des Problems. Wenn Unternehmen AI-generierte Bilder, Werbetexte, Berichte, Charaktere, Code, Musik oder Videos geschäftlich nutzen, sollten zwei Fragen geprüft werden: Kann das Unternehmen selbst urheberrechtlichen Schutz am Output beanspruchen? Und verletzt der Output möglicherweise Rechte Dritter?

Menschliche kreative Leistung bleibt wichtig. Ein Prompt allein kann unzureichend sein. Unternehmen sollten dokumentieren, wer Ergebnisse ausgewählt, angeordnet, bearbeitet, verändert oder finalisiert hat. Gleichzeitig beseitigt die Nutzung von AI keine Haftung, wenn der Output geschützten Ausdruck eines anderen Werks wesentlich übernimmt.

Governance-Checkliste für Unternehmen

• Daten nach Quelle klassifizieren: eigene Daten, lizenzierte Daten, Public Domain, Open License, Web-Crawling, Drittanbieterdaten, unbekannte Quellen und verdächtige Pirateriedaten
• Trainingskopien von Aufbewahrungskopien unterscheiden und Löschung, Zugriffskontrolle sowie Wiederverwendungsbeschränkungen dokumentieren
• Output-Kontrollen einführen, etwa Ähnlichkeitsprüfung, Verhinderung langer Textreproduktionen, Quellenangaben bei RAG und menschliche Prüfung vor kommerzieller Nutzung
• Vendor-Verträge auf Re-Training, Rechte am Output, Freistellung und Beschränkungen für sensible Uploads prüfen

Einordnung von Pine IP Firm

AI-Urheberrechtsrisiken lassen sich nicht durch einen Disclaimer lösen. Erforderlich ist Governance von der Datenerhebung über Modellentwicklung und Produktstart bis zur Output-Prüfung und Vertragsgestaltung. Unternehmen sollten die Datenlieferkette prüfen, bevor sie sich auf Fair Use verlassen.