Ein Liedtext, eine Stilvorgabe, wenige Sekunden Wartezeit – und der KI-Musikgenerator liefert einen neuen Song. Doch was geschieht, wenn dieser Song nicht nur nach einem bestimmten Genre klingt, sondern Melodie, Harmonie und kompositorische Struktur eines bekannten Musikwerks erkennen lässt?
Dann geht es nicht mehr nur um die abstrakte Frage, ob künstliche Intelligenz mit urheberrechtlich geschützten Inhalten trainiert werden darf. Es geht um Kopien im Modell, um wiedererkennbare Werke im Output und um die Verantwortung des Anbieters.
Das Landgericht München I hat hierzu mit Urteil vom 31. Juli 2026 – 42 O 763/25 – eine weitreichende erstinstanzliche Position bezogen. Es verurteilte die Anbieterin des KI-Musikgenerators Suno wegen der Nutzung mehrerer bekannter Musikwerke.
Betroffen waren unter anderem:
- „Atemlos durch die Nacht“,
- „Daddy Cool“,
- „Rasputin“,
- „Big in Japan“,
- „Forever Young“ und
- der Refrain von „Mambo No. 5“.
Nach Auffassung des Gerichts wurden die Werke nicht nur beim Training vervielfältigt. Sie waren auch in den Modellparametern verkörpert und konnten in wiedererkennbarer Form als KI-generierte Musikstücke ausgegeben werden.
Der Fall: Bekannte Melodien aus einem KI-Musikgenerator
Die Klägerin ist eine Verwertungsgesellschaft, die Rechte von Komponisten, Textdichtern und Musikverlagen wahrnimmt.
Die in den USA ansässige Beklagte entwickelt und betreibt einen KI-Musikgenerator. Nutzer können dort Liedtexte eingeben, einen Musikstil auswählen und weitere Vorgaben machen. Das System erstellt daraufhin zwei Tonaufnahmen, die abgespielt, geteilt und heruntergeladen werden können.
Die Beklagte hatte ihr Modell in den USA mit einem Datensatz trainiert, der Millionen vollständiger Tonaufnahmen enthielt. Dazu gehörten nach den Feststellungen des Gerichts auch die sechs streitgegenständlichen Musikwerke.
Die Audiodateien wurden mittels sogenannter Stream-Ripping-Techniken von YouTube extrahiert. Dabei wurde der „Rolling Cipher“ umgangen – eine technische Maßnahme, die das dauerhafte Herunterladen der auf YouTube angebotenen Inhalte erschweren soll.
Die Dateien wurden anschließend aufbereitet, mit Metadaten verknüpft, tokenisiert und zum Training der KI-Modelle verwendet.
Die Test-Prompts enthielten keine Melodieangaben
Mitarbeiter der Klägerin und deren Rechtsanwälte testeten die Versionen 3.5 und 4 des Musikgenerators.
Sie gaben jeweils den Originaltext, den Werktitel und eine passende Stilrichtung ein. Bei „Atemlos durch die Nacht“ lautete die Stilvorgabe beispielsweise „Schlager“, bei „Rasputin“ „Disco, late 70s“ und bei „Big in Japan“ „80s, Synth pop, male voices“.
Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement enthielten die Prompts nach den Feststellungen des Gerichts nicht.
Um die später im Prozess vorgelegten Ergebnisse zu erhalten, wurden die Prompts allerdings unterschiedlich oft wiederholt: bei „Mambo No. 5“ viermal, bei „Rasputin“ achtmal, bei „Big in Japan“ 124-mal und bei „Atemlos durch die Nacht“ 176-mal. Auf Seite 9 des Urteils ist beispielhaft die Eingabemaske für den Prompt zu „Forever Young“ abgebildet.
Das Gericht bezeichnete diese Eingaben trotz der Verwendung vollständiger Originaltexte, Titel und Stilrichtungen als einfach und ergebnisoffen. Die Prompts hätten den konkreten melodischen Inhalt nicht vorgegeben.
Diese Einordnung ist für die Haftungsfrage entscheidend.
Das Urteil: Unterlassung, Auskunft und Schadensersatz
Das Landgericht gab der Klage überwiegend statt.
Die Beklagte muss es danach unterlassen,
- die Musikwerke in den USA ohne Einwilligung zum Training eines KI-Musikmodells zu vervielfältigen,
- die Werke in Deutschland in Form von Parametern oder anderen Datenstrukturen in einem KI-Modell zu speichern,
- die Werke durch das Angebot des Modells öffentlich wiederzugeben und
- wiedererkennbare Umgestaltungen der Werke als Outputs zu vervielfältigen und öffentlich wiederzugeben.
Darüber hinaus wurde die Beklagte für einen Teil der Werke zur Auskunft verurteilt. Das Gericht stellte ihre Schadensersatzpflicht fest und sprach vorgerichtliche Rechtsanwaltskosten zu.
Nach Eintritt der Rechtskraft darf die Klägerin außerdem den verfügenden Teil des Urteils auf Kosten der Beklagten in der Wochenendausgabe der Süddeutschen Zeitung veröffentlichen.
Das Urteil ist gegen Sicherheitsleistung vorläufig vollstreckbar.
Ein deutsches Gericht prüft KI-Training in den USA
Eine Besonderheit des Verfahrens liegt darin, dass das eigentliche Training der Modelle in den Vereinigten Staaten stattgefunden hatte.
Das Landgericht München I hielt sich dennoch für international zuständig. Es stützte sich auf die Konzentrationsregelung des § 131 Abs. 2 VGG. Danach kann eine Verwertungsgesellschaft mehrere Ansprüche gegen denselben Verletzer unter bestimmten Voraussetzungen bei einem zuständigen Gericht bündeln.
Für die rechtliche Bewertung der Trainingshandlungen wandte das Gericht allerdings nicht deutsches, sondern US-amerikanisches Urheberrecht an.
Grundlage war das Schutzlandprinzip: Wird Schutz für eine Verletzung in den USA verlangt, richtet sich die Beurteilung dieser Verletzung grundsätzlich nach US-Recht.
Das Gericht musste deshalb selbst prüfen, ob das Kopieren der Musikwerke für das Training als „fair use“ nach 17 U.S.C. § 107 zulässig war.
Warum das Gericht „fair use“ ablehnte
Ob KI-Training nach US-amerikanischem Recht als „fair use“ einzuordnen ist, hängt von einer Abwägung mehrerer Faktoren ab. Dazu gehören insbesondere Zweck und Charakter der Nutzung, die Art des geschützten Werks, der Umfang der Übernahme und die Auswirkungen auf den Markt.
Das Landgericht wertete diese Faktoren im konkreten Fall zulasten der Beklagten.
Kein ausreichender transformativer Zweck
Zwar kann die Nutzung eines Werks zum Training eines KI-Modells einen anderen Zweck verfolgen als das ursprüngliche Werk. Das Gericht stellte jedoch darauf ab, dass die streitgegenständlichen Werke nach seiner Beweiswürdigung im Modell memorisiert worden seien und in wesentlich ähnlicher Form wieder ausgegeben werden konnten.
Die Musikwerke seien damit nicht lediglich analysiert worden, um allgemeine Informationen über musikalische Stile oder Strukturen zu gewinnen. Ihre geschützte Gestaltung habe sich vielmehr in den Outputs wiedergefunden.
Das Gericht unterschied den Fall deshalb von US-Verfahren zu Sprachmodellen, in denen keine erheblichen Teile der Trainingswerke in den Ausgaben reproduziert worden waren.
Ein Modell, das geschützte Werke in wiedererkennbarer Form ausgibt, sei weniger transformativ als ein System, das lediglich neue Inhalte auf Grundlage abstrakter Muster erzeugt.
Kreative Musikwerke und vollständige Kopien
Bei den verwendeten Liedern handelte es sich um kreative Werke. Dieser Gesichtspunkt sprach ebenfalls gegen „fair use“.
Hinzu kam, dass vollständige Tonaufnahmen verwendet wurden. Die Beklagte hatte argumentiert, komplette Aufnahmen seien erforderlich, um etwa musikalische Formen und Entwicklungen über mehrere Minuten zu erfassen.
Das Gericht ließ dieses Argument nicht genügen. Die Werke seien nicht lediglich als unsichtbare technische Zwischenkopien genutzt worden. Ihre Gestaltung habe sich vielmehr in den späteren Outputs manifestiert.
Mögliche Auswirkungen auf den Musikmarkt
KI-generierte Musikstücke, die wesentliche Elemente der Originale übernehmen, können nach Ansicht des Gerichts als Ersatzprodukte wirken.
Sie können damit sowohl den Markt für die Originalwerke als auch einen möglichen Lizenzmarkt für die Nutzung von Musik als KI-Trainingsmaterial beeinträchtigen.
Das Gericht betonte, dass die Outputs nicht lediglich mit den geschützten Werken konkurrierten, sondern wesentliche Ähnlichkeiten aufwiesen.
Umgehung des Rolling Cipher
Zusätzlich berücksichtigte das Gericht, dass die Audiodateien mittels Stream-Ripping von YouTube heruntergeladen und dabei der Rolling Cipher umgangen worden war.
Es unterschied zwischen einer lediglich unlizenzierter Nutzung und einer darüber hinaus unrechtmäßigen Beschaffung des Werks.
Die Umgehung der technischen Schutzmaßnahme wertete das Gericht im Rahmen der Fair-Use-Prüfung als bösgläubiges Verhalten. Es griff dabei sinngemäß den Gedanken auf: Es kann zulässig sein, aus einem Buch zu kopieren, um eine Rezension zu schreiben – nicht aber, das Buch zu stehlen, um die Kopie herzustellen.
Kann ein Musikwerk in Modellparametern „gespeichert“ sein?
Der rechtlich und technisch besonders interessante Teil des Urteils betrifft die Frage, ob ein trainiertes KI-Modell selbst ein Vervielfältigungsstück eines Musikwerks enthalten kann.
Die Beklagte hatte argumentiert, dass die ursprünglichen Audiodateien im Modell nicht vorhanden seien. Die Modellparameter enthielten lediglich mathematisch beschriebene Wahrscheinlichkeiten, statistische Beziehungen und allgemeine Muster.
Ein KI-Modell sei keine Datenbank, in der einzelne Songs als abspielbare Dateien abgelegt würden.
Das Gericht folgte dieser Argumentation nicht.
Nach seiner Auffassung setzt eine urheberrechtliche Vervielfältigung nicht voraus, dass das Werk im ursprünglichen Dateiformat gespeichert ist. Auch eine veränderte technische Festlegung kann eine Vervielfältigung darstellen.
Entscheidend ist, ob geschützte Gestaltungselemente im Modell verkörpert sind und mit technischen Hilfsmitteln wieder wahrnehmbar gemacht werden können.
Das Modell muss kein MP3-Archiv sein
Für das Landgericht war nicht erforderlich, einen bestimmten Parametersatz zu identifizieren, in dem sich das Werk wie in einer Datei befindet.
Es genügte, dass das Zusammenspiel der Parameter die Ausgabe wiedererkennbarer Teile der Musikwerke ermöglichte.
Das Gericht verglich dies mit anderen technischen Formen der Speicherung. Auch eine komprimierte MP3-Datei oder ein digitalisiertes Werk ist nicht identisch mit dem ursprünglichen Signal. Gleichwohl kann darin eine urheberrechtlich relevante Vervielfältigung liegen.
Ein besonderer „Parameterspieler“, der einzelne Modellgewichte unmittelbar in ein Musikstück zurückverwandelt, sei nicht erforderlich. Die Wahrnehmbarkeit könne vielmehr über das gesamte KI-System erfolgen.
Nach Auffassung des Gerichts konnten die Werke über den Musikgenerator und die verwendeten Prompts mittelbar wahrnehmbar gemacht werden.
Von ähnlichen Outputs zur Memorisierung im Modell
Die Klägerin hatte keinen direkten Einblick in die Modellparameter. Das Gericht schloss dennoch aus den generierten Outputs auf eine Memorisierung der Trainingswerke.
Dabei berücksichtigte es insbesondere:
- Die streitgegenständlichen Songs waren unstreitig im Trainingsdatensatz enthalten.
- Die Prompts enthielten keine Vorgaben zu Melodie, Harmonie oder Arrangement.
- Die Ausgaben übernahmen nach dem Höreindruck des Gerichts kreative Elemente der Originalwerke.
- Die Beklagte konnte keinen plausiblen alternativen Ablauf darlegen, der diese Übereinstimmungen hinreichend erklärte.
Das Landgericht ging dabei nicht davon aus, dass die Outputs exakte Kopien der Trainingsaufnahmen waren. Es hielt es jedoch für ausreichend, dass geschützte Teile der Kompositionen wiedergegeben wurden.
Einen Sachverständigen zur Frage der Speicherung in den Parametern zog das Gericht nicht hinzu. Ob eine Festlegung in Gewichten und Parametern rechtlich als Vervielfältigung einzuordnen ist, betrachtete es als Rechtsfrage. Zudem habe sich die Beklagte nicht ausreichend mit den von der Klägerin vorgelegten Studien auseinandergesetzt und keinen plausiblen anderen Geschehensablauf aufgezeigt.
Das Gericht hörte Originale und KI-Outputs selbst an
Zur Beurteilung der Ähnlichkeiten spielte die Kammer sämtliche Originalwerke und streitgegenständlichen Outputs in der mündlichen Verhandlung ab.
Ein musikwissenschaftliches Sachverständigengutachten hielt sie nicht für erforderlich. Maßgeblich sei das Hörverständnis eines durchschnittlichen Musikhörers. Zu diesem Personenkreis zählten auch die Mitglieder der Kammer.
Zusätzlich stützte sich das Gericht auf Notenauszüge. Auf den Seiten 75 bis 93 des Urteils werden unter anderem Melodien, Refrains, Bassfiguren und musikalische Strukturen von Original und Output gegenübergestellt.
Bei „Atemlos durch die Nacht“ sah das Gericht nicht nur Melodien, Harmonien und Arrangements, sondern auch die kompositorische Dramaturgie übernommen.
Bei „Daddy Cool“ stellte es auf das dialogartige Wechselspiel zwischen Strophe und Refrain ab. Bei „Big in Japan“ erkannte es die Steigerung von der Strophe über den Pre-Refrain zum Refrain wieder. Beim Refrain von „Mambo No. 5“ sah es unter anderem die Verbindung aus wiederholter Melodie und Wechselbass reproduziert.
Nach Auffassung der Kammer wahrten die Outputs keinen ausreichenden Abstand zu den Originalwerken.
Die Text-und-Data-Mining-Schranke hat nach dem Urteil Grenzen
§ 44b UrhG erlaubt unter bestimmten Voraussetzungen Vervielfältigungen für Text und Data Mining. Darunter versteht das Gesetz die automatisierte Analyse digitaler Werke, um Informationen insbesondere über Muster, Trends und Korrelationen zu gewinnen.
Das Landgericht stellte zunächst klar, dass die Vorschrift grundsätzlich auch beim Training von KI-Modellen anwendbar sein kann.
Es unterschied jedoch drei Phasen:
- die Beschaffung und Aufbereitung des Trainingsmaterials,
- das eigentliche Training des Modells und
- die spätere Nutzung durch Prompts und Outputs.
Vorbereitende Vervielfältigungen zur Erstellung eines Trainingskorpus können nach Auffassung des Gerichts von § 44b UrhG erfasst sein.
Anders beurteilte es jedoch eine Memorisierung geschützter Werke im trainierten Modell. Wird nicht nur eine Information über Muster gewonnen, sondern bleibt das Werk so im Modell verkörpert, dass geschützte Teile reproduziert werden können, überschreitet dies nach Ansicht der Kammer den Bereich des Text und Data Mining.
Die Vervielfältigung im Modell diene keiner weiteren Analyse mehr. Sie greife vielmehr unmittelbar in die Verwertungsinteressen der Rechteinhaber ein und sei deshalb nicht von § 44b UrhG gedeckt.
Das Urteil verbietet nicht jedes Training mit geschützten Werken
Die Entscheidung sollte nicht dahin verstanden werden, dass nach Auffassung des Landgerichts jedes KI-Training mit urheberrechtlich geschützten Inhalten zwingend eine Lizenz erfordert.
Das Gericht erkennt ausdrücklich an, dass § 44b UrhG und Art. 4 der DSM-Richtlinie auf Vervielfältigungen zur Vorbereitung eines KI-Trainingskorpus anwendbar sein können.
Die entscheidende Grenze verläuft nach dem Urteil dort, wo das Modell nicht nur allgemeine Informationen, Stilmerkmale oder statistische Zusammenhänge übernimmt, sondern ein konkretes Werk memorisiert und in wiedererkennbarer Form reproduzieren kann.
Damit ist die Entscheidung stark vom festgestellten Output-Verhalten der Modelle geprägt.
Ein Modell, das keine geschützten Werkteile reproduziert, kann rechtlich anders zu bewerten sein.
Unrechtmäßiger Zugang als weiteres Problem
Das Gericht stellte außerdem fest, dass § 44b UrhG einen rechtmäßigen Zugang zu den analysierten Werken voraussetzt.
Das bloße Anhören eines Musikstücks auf YouTube bedeute nicht, dass die Audiodatei auch rechtmäßig heruntergeladen und dauerhaft für Trainingszwecke gespeichert werden dürfe.
Der Rolling Cipher sollte gerade ein solches Herunterladen verhindern. Seine Umgehung wertete das Gericht als Überwindung einer wirksamen technischen Schutzmaßnahme.
Selbst eine grundsätzlich anwendbare Text-und-Data-Mining-Schranke hätte die Beklagte daher nach Auffassung der Kammer nicht entlastet.
Wer haftet für den Output: Nutzer oder Anbieter?
Die Beklagte argumentierte, nicht sie, sondern die Nutzer hätten die Musikstücke erzeugt. Schließlich seien die Outputs erst nach Eingabe der Prompts entstanden.
Das Landgericht rechnete die Vervielfältigungen dennoch der Anbieterin zu.
Nach Auffassung der Kammer hatte die Beklagte die technische und inhaltliche Kontrolle über den Vorgang. Sie hatte
- die Trainingsdaten ausgewählt,
- die Modellarchitektur bestimmt,
- das Training durchgeführt und
- das System angeboten, das die konkreten Inhalte erzeugte.
Die Nutzer hätten durch die Prompts lediglich den Generierungsvorgang ausgelöst. Die konkrete musikalische Gestaltung sei dagegen aus dem Modell gekommen.
Die Kammer betonte allerdings, dass eine andere Bewertung möglich sein könnte, wenn Nutzer das Ergebnis durch gezielte, manipulative oder mehrfach angepasste Eingaben provozieren.
Im entschiedenen Fall hielt das Gericht die Prompts für offen und nicht ergebnisbestimmend. Deshalb sah es die Beklagte als Täterin der Vervielfältigung an.
Kein Schutz als neutraler Hosting-Anbieter
Auch auf die Haftungsprivilegierung für Hosting-Dienste nach Art. 6 Digital Services Act konnte sich die Beklagte nach Auffassung des Gerichts nicht berufen.
Die Vorschrift schützt Anbieter, die fremde Informationen speichern und dabei grundsätzlich eine neutrale, technische und passive Rolle einnehmen.
Das Landgericht sah die Beklagte jedoch nicht als bloße Speicher- oder Vermittlungsplattform an. Sie habe mit ihrem eigenen Modell die Musik-Outputs erzeugt und durch dessen Architektur auf deren Inhalt Einfluss genommen.
Die streitgegenständlichen Ausgaben waren aus Sicht des Gerichts deshalb eigene Inhalte des Dienstes und keine lediglich gespeicherten Nutzerinformationen.
Öffentliche Wiedergabe, aber keine öffentliche Zugänglichmachung
Bei der Einordnung des Online-Angebots nahm das Gericht eine feine Unterscheidung vor.
Eine öffentliche Zugänglichmachung nach § 19a UrhG liegt vor, wenn Nutzer ein Werk von Orten und zu Zeiten ihrer Wahl abrufen können.
Dies hielt das Gericht nicht für hinreichend bewiesen. Um einzelne streitgegenständliche Outputs zu erhalten, mussten die identischen Prompts teilweise sehr häufig eingegeben werden. Bei bis zu 176 Versuchen könne nicht davon gesprochen werden, dass das jeweilige Werk zu einem frei gewählten Zeitpunkt zuverlässig abrufbar sei.
Den Anspruch aus § 19a UrhG wies die Kammer daher ab.
Gleichzeitig nahm sie jedoch eine öffentliche Wiedergabe nach § 15 Abs. 2 UrhG an. Die Beklagte eröffne durch das Modell und die Benutzeroberfläche den Zugang zu den im Modell memorisierten Werken. Sie stelle nicht nur technische Infrastruktur zur Verfügung, sondern nehme auf die generierten Inhalte entscheidenden Einfluss.
Diese Abgrenzung dürfte für die weitere rechtliche Diskussion bedeutsam sein: Ein KI-System kann nach dieser Sichtweise öffentlich wiedergeben, obwohl ein bestimmtes Werk nicht bei jeder Anfrage verlässlich abrufbar ist.
Was bedeutet das Urteil für KI-Anbieter?
Anbieter generativer KI sollten nicht allein prüfen, aus welchen Quellen Trainingsdaten stammen. Ebenso wichtig ist die Frage, was nach dem Training im Modell und in den Outputs geschieht.
Zu einem belastbaren Risikomanagement gehören insbesondere:
- dokumentierte Rechteketten und Datenquellen,
- Prüfung technischer Zugangsbeschränkungen,
- Beachtung von Nutzungsvorbehalten,
- Tests auf Memorisierung und Regurgitation,
- Filter gegen geschützte Texte, Melodien und Aufnahmen,
- systematische Output-Kontrollen,
- Verfahren zur Bearbeitung von Rechteinhaberhinweisen und
- Nachweise über die Wirksamkeit der Schutzmaßnahmen.
Allgemeine Klauseln in den Nutzungsbedingungen, wonach Nutzer keine fremden Rechte verletzen dürfen, genügen nicht, wenn das Modell selbst geschützte Inhalte reproduziert.
Auch ein nachträglich eingerichtetes Takedown-Verfahren beseitigt nicht ohne Weiteres die Verantwortung für bereits im Modell verkörperte Werke.
Was bedeutet die Entscheidung für Rechteinhaber?
Für Urheber, Verlage und Verwertungsgesellschaften zeigt das Urteil, wie eine mögliche Rechtsverletzung durch ein KI-System dokumentiert werden kann.
Von Bedeutung waren im Verfahren insbesondere:
- der Nachweis, dass das Werk zum Trainingsdatensatz gehörte,
- eine genaue Dokumentation der Prompts,
- die Speicherung sämtlicher Test-Outputs,
- musikalische Vergleiche zwischen Original und Ausgabe,
- Notenauszüge und strukturelle Analysen sowie
- Angaben zur Herkunft der Trainingsdaten.
Allerdings zeigt das Verfahren auch die Grenzen einer Output-Untersuchung. Die Klägerin benötigte bei einigen Werken zahlreiche Versuche. Das Gericht ließ dies zwar für den Nachweis der Memorisierung und der konkreten Verletzung genügen, nicht aber für die Annahme einer jederzeitigen öffentlichen Zugänglichmachung.
Rechteinhaber sollten deshalb nicht nur einen besonders ähnlichen Output sichern. Sie sollten auch die Trefferquote, sämtliche Zwischenresultate und die genaue Zahl der Versuche dokumentieren.
Was bedeutet das Urteil für Unternehmen, die KI-Musik einsetzen?
Auch gewerbliche Nutzer sollten KI-generierte Musik nicht ungeprüft in Werbung, Videos, Podcasts oder Produktpräsentationen einsetzen.
Die Bezeichnung als „KI-generiert“ schützt nicht vor urheberrechtlichen Ansprüchen. Entscheidend ist, ob geschützte Teile eines bestehenden Werks wiedererkennbar übernommen wurden.
Vor einer kommerziellen Veröffentlichung sollten deshalb zumindest auffällige Melodien, Harmoniefolgen und Arrangements geprüft werden. Bei umfangreichen Kampagnen kann eine musikrechtliche Prüfung sinnvoll sein.
Vertragliche Zusicherungen des KI-Anbieters und Freistellungsklauseln können das wirtschaftliche Risiko verteilen. Sie verhindern jedoch nicht, dass ein Rechteinhaber zunächst gegen den Nutzer oder Auftraggeber vorgeht.
Ein Urteil mit offenen Fragen
Die Entscheidung enthält klare Aussagen, ist aber kein abschließendes Wort zur urheberrechtlichen Behandlung generativer KI.
Diskussionsbedarf besteht insbesondere bei folgenden Punkten:
- Wann erlaubt ein Output tatsächlich den Rückschluss auf eine Vervielfältigung im Modell?
- Reichen einzelne, erst nach zahlreichen Versuchen erzeugte Outputs zum Nachweis einer Memorisierung?
- Wie ist die Verwendung vollständiger Liedtexte und Werktitel im Prompt zu gewichten?
- Ist die Speicherung in Modellparametern stets eine Vervielfältigung oder nur bei nachgewiesener Reproduzierbarkeit?
- Wo verläuft die Grenze zwischen einer offenen Eingabe und einem provozierten Output?
- Kann das Angebot eines Modells als öffentliche Wiedergabe eingeordnet werden, obwohl ein Werk nicht zuverlässig abrufbar ist?
Das Landgericht hielt eine Vorlage an den Europäischen Gerichtshof nicht für erforderlich. Es sah die entscheidenden unionsrechtlichen Fragen durch die bisherige Rechtsprechung als hinreichend geklärt an.
Da es sich um ein erstinstanzliches Urteil handelt, sollten Unternehmen und Rechteinhaber die darin entwickelten Maßstäbe ernst nehmen, sie aber nicht mit einer abschließend gefestigten höchstrichterlichen Rechtsprechung gleichsetzen.
Fazit: Entscheidend ist, was das Modell wiedergeben kann
Das Landgericht München I trennt zwischen der Analyse geschützter Werke und ihrer Reproduktion.
Ein KI-Modell darf nach dieser Sichtweise grundsätzlich Informationen über Muster, Trends und Zusammenhänge gewinnen. Werden konkrete Musikwerke jedoch so memorisiert, dass geschützte Elemente in späteren Outputs wiedererkennbar erscheinen, sieht das Gericht darin eine Vervielfältigung im Modell.
Auch die Verantwortung lässt sich danach nicht ohne Weiteres auf die Nutzer verlagern. Bestimmt das Modell den musikalischen Inhalt und löst der Prompt den Vorgang lediglich aus, kann der Anbieter selbst für die erzeugten Ausgaben haften.
Für die Praxis bedeutet das: Die rechtliche Prüfung darf nicht beim Trainingsdatensatz enden. Datenbeschaffung, Modellverhalten, Promptgestaltung und Outputs bilden eine zusammenhängende urheberrechtliche Risikokette.