Die Entwicklung und Verwendung von Modellen und Systemen der Künstlichen Intelligenz (KI) werfen eine Vielzahl von Rechtsfragen auf.​¹ Diese Fragen werden seit einigen Jahren intensiv diskutiert – nicht nur, aber auch im Urheberrecht. Die Diskussion konzentrierte sich hier zunächst auf die Frage, ob von KI generierte Werke urheberrechtlich geschützt sind. Das ist mittlerweile im Grundsatz geklärt: Autonom von KI-Systemen generierte Werke sind keine geistigen Schöpfungen und damit nicht urheberrechtlich geschützt.​² Offen bleibt allerdings, welches Mass an menschlicher Beteiligung erforderlich ist, damit KI-Systeme als blosse Werkzeuge angesehen werden und mit ihrer Hilfe geschaffene Werke als geistige Schöpfungen gelten sowie urheberrechtlich geschützt sein können.

Seit einiger Zeit fokussiert die Diskussion auf die Frage, wie die Nutzung von urheberrechtlich geschützten Werken beim Training von KI-Modellen urheberrechtlich zu qualifizieren ist. Diese Frage wird in vielen Rechtsordnungen untersucht, und sie ist Gegenstand zahlreicher Gerichtsverfahren, insb. in den USA.​³ Anders als der urheberrechtliche Schutz des Outputs von KI-Systemen kann die Nutzung von Werken beim Training von KI-Modellen nur auf der Grundlage eines hinreichenden technischen Verständnisses beurteilt werden. Die Vorgänge beim Training sind komplex, und die Komplexität nimmt mit der technischen Entwicklung weiter zu. Zudem bestehen in technischer Hinsicht Unterschiede zwischen den Werkarten und den für deren Generierung verwendeten Modellen. Die rechtswissenschaftliche Literatur bemüht sich zwar um ein hinreichendes technisches Verständnis, fokussiert aber bisher auf Sprachmodelle und bleibt notwendigerweise hinter der technischen Entwicklung zurück. Das ist oft unproblematisch, weil gewisse technische Unterschiede und Entwicklungen die rechtliche Beurteilung unberührt lassen. Bisweilen führen die technischen Entwicklungen und das verbesserte Verständnis der Vorgänge aber dazu, dass die rechtliche Beurteilung überdacht werden muss.

Von der Frage des Trainings von KI-Modellen ist diejenige der Verwendung der trainierten Modelle in KI-Systemen zu unterscheiden. Urheberrechtliche Fragen stellen sich dabei in aller Regel nur bei generativer KI, also bei KI-Systemen, die Texte, Bilder, Musik, Videos, Source Code und andere Inhalte generieren. Im Gegensatz dazu erzeugen diskriminative KI-Systeme keine neuen Inhalte, sondern treffen Vorhersagen oder nehmen Klassifikationen vor. Solche Systeme werden bspw. für das Erkennen von Spam-Mails, die Klassifikation von Objekten in der Medizin (gutartiger oder bösartiger Tumor?), die Bilderkennung (Hund oder Katze?), die Gesichtserkennung, das Kreditscoring von Webshops (Zahlung nur mit Kreditkarte oder auch auf Rechnung?) oder für Vorhersagen (Ist die Bewerberin für die Stelle geeignet?) verwendet. Der Einsatz von generativen KI-Systemen kann Urheberrechte verletzen, wenn der Output ein vorbestehendes Werk (oder Teile davon) enthält oder einem vorbestehenden Werk (oder Teilen davon) so ähnlich ist, dass er in dessen Schutzbereich fällt. Diese Frage ist zwar mit derjenigen des Trainings verknüpft, weil selbst bei einem Eingreifen in den Schutzbereich nur eine Urheberrechtsverletzung vorliegt, wenn ein bestehendes Werk bei der Erzeugung eines neuen Werks tatsächlich genutzt worden ist.​⁴ Eine sinnvolle urheberrechtliche Beurteilung ist aber nur möglich, wenn die Frage der Verletzung von Urheberrechten bei der Verwendung von generativen KI-Systemen von derjenigen der Nutzung von Werken beim Training der in diesen Systemen verwendeten KI-Modelle unterschieden wird. Dieser Beitrag untersucht nur die letztere Frage.

Bei der Beurteilung der Nutzung von urheberrechtlich geschützten Werken beim Training von KI-Modellen muss nicht zwischen generativer und diskriminativer KI unterschieden werden. In beiden Fällen stellen sich dieselben Rechtsfragen, und diese können auch gleich beurteilt werden, sofern die Verletzung von Urheberrechten bei der Verwendung von KI-Systemen als eigenständiger Vorgang verstanden und beurteilt wird. Aus Sicht der Rechteinhaber sind generative KI-Systeme allerdings ungleich problematischer als diskriminative Systeme, weil deren Output von Menschen geschaffene Werke substituieren und das Funktionieren etablierter Geschäftsmodelle in Frage stellen kann.

Vor diesem Hintergrund verfolgt der vorliegende Beitrag drei Ziele: Zum einen werden die technischen Grundlagen dargestellt, soweit sie für die urheberrechtliche Beurteilung des Trainings von KI-Modellen erforderlich sind. Der Fokus liegt dabei auf den urheberrechtlich besonders herausfordernden Modellen der generativen KI, die Erkenntnisse lassen sich aber auf diskriminative KI übertragen (II.). Zum anderen werden die Rechtslage in ausgewählten ausländischen Rechtsordnungen skizziert (III.) und der Stand der Diskussion in der Schweiz dargestellt (IV.). Auf dieser Grundlage werden in einem dritten Schritt mögliche Lösungsansätze für das Schweizer Recht aufgezeigt (V.).

Aktuelle KI-Systeme verwenden häufig eine neuronale Netzwerkarchitektur als zentralen Baustein.​⁷ Der Begriff «neuronales Netzwerk» stammt aus den Neurowissenschaften und verweist auf die Verbindungen zwischen Neuronen im menschlichen Nervensystem, was historisch die Entwicklung von künstlichen neuronalen Netzen inspiriert hat.​⁸

Die Neuronen eines künstlichen neuronalen Netzwerks sind in aufeinanderfolgenden Ebenen organisiert.​⁹ In jeder Ebene befinden sich mehrere Neuronen, die jeweils mit einigen oder allen Neuronen der vorhergehenden Ebene verbunden sind.​¹⁰ Neuronen sind einfache Recheneinheiten, die Informationen verarbeiten und anschliessend weitergeben.​¹¹ Die Verbindungen zwischen den Neuronen werden durch Gewichte dargestellt. Diese Gewichte sind numerische Werte, welche die Richtung und Stärke der Signalweitergabe bestimmen.​¹² Zu Beginn des Trainingsprozesses werden die Gewichte zufällig initialisiert und anschliessend durch Optimierungsverfahren schrittweise angepasst.​¹³ Die Gewichte sind die trainierbaren Parameter des Modells.​¹⁴ Die Architektur des Netzwerks – also etwa die Anzahl der Ebenen oder die Art der Verbindungen – wird vor dem Trainingsprozess festgelegt und verändert sich während diesem in der Regel nicht.​¹⁵

Die erste Ebene, die Eingabeebene, verarbeitet die Rohdaten.​¹⁶ Jede weitere Ebene erhält in der Regel die Ausgaben der jeweils vorhergehenden Ebene.​¹⁷ Ein Modell kann zahlreiche sog. verborgene Ebenen (Hidden Layers) haben.​¹⁸ In der letzten Ebene, der Ausgabeebene, erzeugt das System die finalen Resultate und gibt sie aus.​¹⁹ Bei einer grossen Anzahl von Ebenen spricht man von einem tiefen neuronalen Netzwerk (Deep Neural Network)​²⁰ oder auch von Deep Learning.​²¹

Ziel des maschinellen Lernens ist es, ein Modell so zu trainieren, dass es eine bestimmte Aufgabe möglichst gut löst.​²² Das «Modell» implementiert dabei eine mathematische Funktion, die anhand einer Eingabe eine Ausgabe erzeugt.​²³ Das Training eines KI-Modells kann deshalb als Optimierungsproblem verstanden werden.​²⁴ Man versucht die Parameter (die Verbindungsgewichte) des Modells so anzupassen, dass der Trainingsfehler minimiert wird.​²⁵ Dieser wird durch die Fehlerfunktion (häufig auch als Kostenfunktion, Verlustfunktion oder «loss function» bezeichnet) beschrieben, welche die Differenz zwischen der gegebenen und der gewünschten Ausgabe darstellt.​²⁶ Das Minimieren des Fehlers erfolgt in der Regel durch iterative Optimierungsverfahren, allen voran den sog. Gradientenabstieg.​²⁷ Dabei wird die Fehlerfunktion ausgewertet, und es werden deren Ableitungen mit Bezug auf die Modellparameter berechnet.​²⁸ Diese Ableitungen (der Gradient) geben die Richtung des steilsten Anstiegs der Fehlerfunktion an.​²⁹ Durch die Aktualisierung der Gewichte in entgegengesetzter Richtung bewegt sich das Modell schrittweise hin zu einer Konfiguration mit geringerem Fehler.​³⁰ Die konkrete Ausgestaltung der Fehlerfunktion und der Trainingsprozess hängen jedoch stark davon ab, in welchem Lernparadigma (überwachtes, unüberwachtes oder bestärkendes Lernen; siehe dazu sogleich) das Modell trainiert und für welche Aufgabe es eingesetzt wird, also welche Problemstellung adressiert wird und welche Zielgrössen dem Modell während des Trainings vorgegeben werden.​³¹ Ziel aller Trainingsmethoden ist, dass das Modell nach dem Training möglichst gut generalisieren kann.​³²

Grundsätzlich lässt sich das Training von KI-Modellen in drei Hauptparadigmen einordnen: überwacht (Supervised Learning), unüberwacht (Unsupervised Learning) und bestärkend (Reinforcement Learning):

Überwachtes Lernen (Supervised Learning) basiert auf gelabelten Daten, d.h. jedes Trainingsbeispiel enthält die Eingabemerkmale und die gewünschte Ausgabe (Zielwerte).​³³ Das Modell soll dabei eine Funktion erlernen, die Eingaben korrekt den Ausgaben zuordnet, sodass es auf neue, unbekannte Daten generalisieren kann,​³⁴ also zu einer beliebigen, während des Trainings nicht gesehenen Eingabe eine korrekte Ausgabe berechnet. Ziel ist, dass das Modell unbekannte Daten mit minimalem Fehler erkennen kann.​³⁵ Eine zu enge Annäherung an die Trainingsdaten kann jedoch zu einem sog. Overfitting führen; in diesem Fall ist das Modell nicht gut darin, für unbekannte Eingabedaten korrekte Ausgaben zu erzeugen.​³⁶

Beim unüberwachten Lernen (Unsupervised Learning) wird nicht von einer externen «ground truth», also einer bekannten, «richtigen» Ausgabe, ausgegangen, mit der die Ausgaben des trainierten Modells verglichen werden.​³⁷ Anders als beim überwachten Lernen werden die Modelle hier mit einer Menge unstrukturierter, nicht gelabelter Trainingsdaten trainiert.​³⁸ Im selbstüberwachten Lernen (Self-Supervised Learning), einem sehr häufig verwendeten Unterparadigma des unüberwachten Lernens, das insb. für generative KI-Modelle verwendet wird,​³⁹ werden die für das Training benötigten «richtigen» Ausgaben aus den jeweiligen Eingaben erstellt.​⁴⁰ Typischerweise wird ein Teil der Eingabe maskiert, und das Modell wird trainiert, diesen fehlenden Teil aus dem nicht maskierten Teil der Eingabe (dem Kontext) zu rekonstruieren. Dadurch lernt das Modell Muster und Zusammenhänge in den Trainingsdaten. Ein Beispiel sind generative Sprachmodelle (Language Models), die durch selbstüberwachtes Lernen auf grossen Textmengen die Regelmässigkeiten der jeweiligen Sprache lernen.​⁴¹ Namentlich bei grossen Modellen (Large Language Models, LLMs) gehen die erlernten Regelmässigkeiten über die rein sprachlichen Eigenschaften wie lexikalische oder syntaktische Regeln hinaus. Heutige Modelle abstrahieren aus den Trainingsdaten auch Fakten und Zusammenhänge.​⁴² Ein anderes Beispiel sind Modelle zur Generierung von Bildern. Ein verbreiteter Ansatz besteht bei diesen Modellen darin, die Trainingsbilder (stark) zu verrauschen und aus diesen verrauschten Versionen die Originale zu rekonstruieren.​⁴³ Sobald das Modell Muster und Zusammenhänge innerhalb der Trainingsdaten gelernt hat, ist der Trainingsprozess abgeschlossen.​⁴⁴ Das ermöglicht den Modellen, neue Daten zu generieren, die sich von den Trainingsdaten unterscheiden, aber denselben Regelmässigkeiten folgen.​⁴⁵ Bei Sprachmodellen ist dies Text in der jeweiligen Sprache,​⁴⁶ bei Bildmodellen sind es Bilder, die in ihrer Art den in den Trainingsdaten enthaltenen Bildern gleichen, aber neue Motive wiedergeben können.​⁴⁷

Beim verstärkenden Lernen (Reinforcement Learning) handelt ein Agent («Entscheidungsinstanz des Systems») in einer Umgebung, indem er aus einer endlichen oder unendlichen Menge an möglichen Handlungen die jeweils nächste Handlung auswählt, die (langfristig) zu Belohnungen oder Strafen führt (z.B. den nächsten Zug beim Schach).​⁴⁸ Ziel des Agenten ist es, eine Strategie zu entwickeln, die ihm langfristig eine möglichst hohe Belohnung einbringt.​⁴⁹ Die Belohnungen müssen also so definiert werden, dass der Agent lernen kann, welche Handlungen und Handlungssequenzen zielführend sind (beim Schach könnte das eine Belohnung von +1 für einen Sieg und eine Strafe von -1 für eine Niederlage sein). Der Agent lernt durch systematisches Ausprobieren und muss dabei Exploration (Ausprobieren neuer Handlungen) und Exploitation (Ausnutzen bekannter, lohnender Handlungen) ausbalancieren.​⁵⁰ Auch beim Reinforcement Learning kann es zu einem Overfitting kommen, wenn der Agent sich zu sehr an seine Umgebung anpasst.​⁵¹ Wird bspw. ein Agent in einem Rennspiel auf einer bestimmten Strecke trainiert, wird er diese optimal fahren, aber versagen, sobald sie ein wenig verändert wird.

Grundsätzlich gilt, dass eine grössere Datenmenge die Generalisierungsfähigkeit von Modellen verbessert, weil das Risiko des Overfitting sinkt und mehr Muster erfasst werden können. Allerdings unterliegt dieser Effekt dem Prinzip des abnehmenden Grenznutzens: Jeder zusätzliche Datensatz trägt zwar in der Regel zu einer Leistungssteigerung bei, aber mit immer geringerer Wirkung.​⁵² Grundsätzlich verhält es sich so, dass für ein Modell mit mehr trainierbaren Parametern auch mehr Daten zum Training benötigt werden.​⁵³ Sind nicht genügend Daten verfügbar, können Menge und Vielfalt durch Datenaugmentierung erhöht werden.​⁵⁴ Dazu werden bspw. von den vorhandenen Daten leicht veränderte Kopien oder synthetische Daten erzeugt.​⁵⁵

Für das Training komplexer KI-Modelle werden in der Regel sehr grosse Datenmengen benötigt.​⁵⁸ Für das Training von generativen Modellen werden die Daten regelmässig mittels Webscraping beschafft.​⁵⁹ Dabei werden Daten automatisiert von Websites extrahiert.​⁶⁰ Entsprechende Programme suchen dazu nach vorgegebenen Regeln das Internet ab und speichern die gewünschten Daten (Texte, Bilder etc.).​⁶¹ Ein bekanntes Beispiel ist Common Crawl.​⁶² Dieses Webarchiv enthält den HTML-Quelltext, Links, Metadaten und Textinhalte von ca. 250 Milliarden Websites.​⁶³

Die Datensätze des Common Crawl sind öffentlich zugänglich, und viele KI-Anbieter erstellen daraus ihre eigenen vorgefilterten Datenkorpora, um ihre Modelle zu trainieren.​⁶⁴ Viele der so entstandenen grossen Datensätze enthalten nicht nur Daten aus dem Common Crawl, sondern auch Daten aus anderen, nicht deklarierten Quellen.​⁶⁵ In vielen Fällen ist es daher für Dritte nahezu unmöglich herauszufinden, welche Daten im Trainingsset enthalten sind, und aus welchen Quellen sie stammen.​⁶⁶

Um die Qualität des Datensatzes zu gewährleisten, werden die Daten in einem zweiten Schritt kuratiert; dabei werden namentlich Duplikate und unerwünschte Informationen entfernt.​⁶⁷ Oft werden die Daten auch normiert, um sie einfacher verarbeiten zu können.​⁶⁸ So werden bspw. die für das Training gebrauchten Bilddaten hochskaliert oder verworfen, wenn sie eine bestimmte Mindestauflösung nicht erreichen.​⁶⁹ Text wird meist von Vollbreite auf ASCII-Normalbreite und zusätzlich auf Kleinbuchstaben normalisiert.​⁷⁰ Zudem werden alle Daten in eine einheitliche, maschinenlesbare Form überführt.​⁷¹

Ein bekanntes Beispiel für einen öffentlich verfügbaren Datensatz ist der LAION-Datensatz. Dieser wurde auf Grundlage von Websitedaten aus dem Common Crawl erstellt.​⁷² Dafür wurden aus den Common-Crawl-Beständen Bild-URLs und zugehörige Textbeschreibungen extrahiert.​⁷³ Zur Qualitätssicherung wurden die verlinkten Bilder heruntergeladen und nach inhaltlicher Übereinstimmung zwischen Text und Bild gefiltert.​⁷⁴ Der LAION-Datensatz enthält allerdings nicht die Bilder und die dazugehörigen Textbeschreibungen selbst, sondern nur die Metadaten, also die Links zu den Bildern und den entsprechenden Beschreibungen.​⁷⁵ Die Nutzerinnen und Nutzer des LAION-Datensatzes laden also Daten immer selbst herunter und kreieren und kuratieren meist eigene Subsets, um ihre Modelle zu trainieren.​⁷⁶

Grosse Sprachmodelle Large (Language Models, LLMs) werden mit sehr grossen Textkorpora trainiert​⁷⁷(; so enthält z.B. der Common-Crawl-Datensatz fast eine Billion Wörter.​⁷⁸ Für die Textgenerierung können verschiedene Modellarchitekturen verwendet werden. Die meisten Sprachmodelle, einschliesslich der grossen Sprachmodelle, verwenden eine sog. Transformerarchitektur; es können aber auch mit anderen Architekturen wie SSMs (State Space Models) oder mit traditionelleren RNNs (Recurrent Neural Networks) kompetitive Ergebnisse erzielt werden.​⁷⁹ Der zentrale Baustein der Transformerarchitektur sind die sogenannten Self-Attention Layers. Self-Attention ist ein Mechanismus, bei dem zur Berechnung der Repräsentation eines Wortes für die nächsthöhere Ebene eines neuronalen Netzes der Kontext, in dem dieses Wort im konkreten Eingabesatz oder -text auftaucht, einbezogen wird, indem die unterschiedlichen Positionen innerhalb dieses einen Satzes (oder Textes) miteinander in Beziehung gesetzt werden.​⁸⁰ Im Wesentlichen bewertet das Modell für jedes Wort (bzw. Token, siehe sogleich) im Text, wie wichtig oder relevant alle anderen Wörter in derselben Sequenz für dessen Bedeutung sind.​⁸¹

Als Eingabe erhält das Modell eine Sequenz von Wörtern oder kleineren sprachlichen Einheiten, bestehend aus einzelnen Silben oder Buchstabenkombinationen (Word tokens oder Subword tokens).​⁸² Die genaue Aufteilung hängt vom verwendeten Tokenizer ab. Ein konkretes Beispiel ist die Aufteilung des aus sieben Wörtern bestehenden Satzes «Der Apfel fällt nicht weit vom Stamm» in neun Tokens durch den OpenAI Tokenizer:​⁸³

Damit das Modell sprachliche Zusammenhänge erfassen kann, werden die Tokens typischerweise mithilfe einer sog. Embedding-Matrix in mehrdimensionale Vektoren aus reellen Zahlen übersetzt, etwa [0.12, –0.83, 0.45, …].​⁸⁴ Diese Vektoren bilden gemeinsam einen hochdimensionalen Raum, in dem Tokens mit ähnlicher Bedeutung oder Verwendung räumlich nahe beieinanderliegen, während solche mit unterschiedlicher Bedeutung oder Verwendung weiter voneinander entfernt sind.​⁸⁵ Auf diese Weise entsteht eine geometrische Struktur, in der semantische und syntaktische Beziehungen nicht durch Regeln, sondern durch Abstände und Richtungen im Vektorraum ausgedrückt werden.​⁸⁶ Semantische und syntaktische Beziehungen entstehen aber nicht alleine aus statischen Abständen zwischen Wortvektoren, sondern aus deren Verarbeitung durch die kontextsensitiven Self-Attention-Ebenen.​⁸⁷ Während des Trainings werden insb. die Gewichte der Self-Attention-Komponenten optimiert, die Beziehungen zwischen den Tokens abhängig vom Kontext modellieren. Damit das Modell zudem Reihenfolgeinformationen nutzen kann, werden die Token Embeddings um Positionsinformationen ergänzt (Positional Encodings oder Positional Embeddings). Dadurch kann das Modell die Reihenfolge der Wörter berücksichtigen.​⁸⁸

So wird die Beziehung zwischen den Tokens [Ap] und [fel] sowie [Stamm] nicht über explizit oder manuell kodiertes Bedeutungswissen, sondern über Ähnlichkeiten in ihrer statistischen Nutzung abgebildet. Das Trainingsziel besteht darin, für jedes Token in einer Sequenz die Wahrscheinlichkeit seines Auftretens auf Grundlage des Kontexts zu maximieren.​⁸⁹ In der Anwendung generiert das Modell dann Sätze oder Texte, deren Wahrscheinlichkeit im gegebenen Kontext hoch ist. Um ein nichtdeterministisches Modellverhalten (also sprachliche Varianz) zu erreichen, sagen die meisten Modelle nicht immer das wahrscheinlichste Token voraus (greedy decoding),​⁹⁰ stattdessen wird ein Token wird bspw. aus einer festen Anzahl mehrerer möglicher Tokens über einer bestimmten Wahrscheinlichkeit zufällig gezogen (Top-k Sampling)​⁹¹, oder es werden so viele der wahrscheinlichsten Tokens ausgewählt, bis ihre aufsummierte Wahrscheinlichkeit einen gewissen Wert erreicht, und anschliessend wird aus diesem Pool ein Token zufällig gezogen (Top-p Sampling).​⁹²

Ziel des Trainings ist nicht das Erlernen des Inhalts der für das Training verwendeten Texte, sondern lediglich die statistische Wahrscheinlichkeit, wie Tokens in diesen Texten in Relation zueinander auftreten; gespeichert werden sollen also nur die Wahrscheinlichkeitsbeziehungen zwischen den Tokens.​⁹³ Dies ermöglicht dem Modell, statistisch wahrscheinliche Kombinationen von Tokens zu generieren.​⁹⁴ Neben den sprachlichen Mustern können die trainierten Modelle jedoch, wie erwähnt, auch relationale Informationen wiedergeben, weil nicht nur die lexikalischen und syntaktischen Regeln, sondern auch die statistischen Beziehungen zwischen den in den Texten repräsentierten Informationen erlernt werden.​⁹⁵

Die grundlegenden Prinzipien zum Training von Texten in natürlicher Sprache gelten auch für das Lernen und Generieren von Source Code, auch wenn im Einzelnen Unterschiede bestehen können, bspw. bei der sinnvollen Tokenisierung von Code.​⁹⁶

Für die Text-zu-Bild- und die Bild-zu-Bild-Generierung sind heute drei Modelltypen üblich: Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs) und Diffusionsmodelle.​⁹⁷

Aktuell werden vor allem Diffusionsmodelle verwendet.​⁹⁸ Diese kombinieren zwei komplementäre Prozesse. Im Vorwärtsprozess wird eine Probe aus der realen Datenverteilung schrittweise durch das Hinzufügen von Rauschen verfälscht, bis sie nicht mehr von reinem Rauschen zu unterscheiden ist. Im Rückwärtsprozess wird ein neuronales Netz darauf trainiert, diese Verfälschung rückgängig zu machen, indem es das Rauschen schrittweise entfernt (sog. Denoising) und so aus zufälligem Rauschen wieder Bilder erzeugt, die der ursprünglichen Datenverteilung entsprechen.​⁹⁹

Ein digitales Bild liegt auf einem Computer immer als numerisches Raster von Pixelwerten vor. In diesem Raster sind jedem Pixel jeweils eine Position und eine Farbe zugewiesen. Die Position im Raster wird durch Koordinaten repräsentiert (z.B. (1, 2)). Die zugewiesenen Farben werden im RGB-Farbmodell aus den Lichtfarben Rot, Grün und Blau gebildet. Jeder der drei Kanäle kann eine Intensität zwischen 0 und 255 annehmen. Auf dieser Grundlage entsteht die sichtbare Farbe eines Pixels durch additive Mischung der Kanalwerte. Ein Pixel mit den Werten R: 255, G: 0, B: 0 erscheint als reines Rot, während Gelb durch die Kombination von Rot und Grün mit den Werten R: 255, G: 255, B: 0 entsteht. Durch Einstellung der Farbkanäle kann so jede Farbe gemischt werden.​¹⁰⁰ Für Diffusionsmodelle werden diese Werte in der Praxis als Tensor​¹⁰¹ verarbeitet.

Ein Tensor eines RGB-Bildes enthält die Dimensionen Pixelhöhe (Height), Pixelbreite (Width) und Anzahl Farbkanäle (Channels). Für ein Bild mit vier Pixeln hätte ein Tensor also die Form [2, 2, 3] (zwei Pixel hoch, zwei Pixel breit und drei Farbkanäle).

Jede Pixelposition enthält die jeweiligen Werte für die Intensität von Rot, Grün und Blau:​¹⁰²

Um neue Bilder zu generieren, beginnt das Modell mit reinem Rauschen (zufälliger Tensor ohne Struktur) und wandelt dieses schrittweise in einen neuen Tensor um. Dieser Tensor besteht aus numerischen Werten, die die RGB-Kanäle eines späteren Bildes beschreiben. In vielen Diffusionsverfahren enthält dieser Rückwärtsprozess stochastische Komponenten, wodurch bei gleicher Modellkonfiguration unterschiedliche Bilder aus der gelernten Verteilung erzeugt werden können. Dass die resultierenden Bilder in der Regel keine identischen Kopien von Trainingsbeispielen sind, liegt primär daran, dass das Modell beim Training Muster über viele Daten hinweg lernt und so eine Verteilung approximiert, statt einzelne Bilder exakt zu speichern.​¹⁰³

Diffusionsmodelle zur Generierung von Bildern aus einem Eingabetext werden mit Bild-Text-Paaren trainiert. Dabei lernt das Modell, welche Bildkomposition bei einer gegebenen Textbeschreibung wahrscheinlich ist, sodass es anschliessend Bilder generieren kann, die einem Textprompt entsprechen.​¹⁰⁴

Auch bei diesen Modellen werden typischerweise die Bildbeschreibungen zunächst in eine Folge von Tokens umgewandelt und anschliessend mithilfe eines Sprachmodells in numerische Repräsentationen (Embeddings) transformiert.​¹⁰⁵ Diese Textembeddings dienen dem Diffusionsmodell als zusätzlicher konditionierender Input während des Denoising-Prozesses und beeinflussen so, welche Inhalte im Bild erzeugt werden.​¹⁰⁶ Auf dieser Grundlage kann das Modell, bspw. über sog. Cross-Attention, lernen, welche Teile der Textbeschreibung für welche Bildinhalte relevant sind, und diese entsprechend gewichten.​¹⁰⁷ Ziel des Trainings ist, dass das Modell durch die enorme Anzahl an Trainingsbeispielen​¹⁰⁸ stabile statistische Zusammenhänge zwischen Sprache und Bildinhalt aufbaut, und generalisierbare Muster lernt, ohne einzelne Bilder zu speichern.

Die Audiogenerierung kombiniert verschiedene technische Ansätze, die sich grundlegend darin unterscheiden, welche Form von Daten erzeugt wird. Während symbolische Modelle musikalische Strukturen wie Noten, Akkorde und zeitliche Ereignisse in Form von Befehlen generieren,​¹⁰⁹ erzeugen audiobasierte Modelle direkt hörbare Klangsignale.​¹¹⁰ Für die Erzeugung von Audio hat sich in den letzten Jahren ein Methodenmix etabliert.​¹¹¹ Es werden unter anderem autoregressive Modelle und Diffusionsmodelle eingesetzt.​¹¹²

Für das Training werden die Audiodateien je nach Modell entweder – ähnlich wie bei Sprachmodellen​¹¹³ – tokenisiert​¹¹⁴ oder für Diffusionsmodelle in eine kontinuierliche Darstellung, z.B. in ein Spektrogramm überführt.​¹¹⁵ Dabei handelt es sich um Abbilder von Audiosignalen, die über drei Dimensionen Zeit, Frequenz und Intensität wiedergeben.​¹¹⁶

Abbildung 1: Spektrogramm des gesprochenen Wortes «Audiogenerierung».

Für das Training werden grosse Datensätze aus Musik und dazugehörigen Textbeschreibungen genutzt. Für das Modell «Moûsai» wurden zur Erstellung des Datensatzes bspw. über Spotify​¹¹⁷ 49'000 Audiodateien gesucht und anschliessend über YouTube heruntergeladen. Anschliessend werden die zu den Songs gehörenden Metadaten dazu benutzt, um die Textbeschreibungen der Audiodateien zu erstellen.​¹¹⁸

Das Training von Diffusionsmodellen zur Audiogenerierung gleicht im Kern demjenigen von bildbasierten Diffusionsmodellen.​¹¹⁹ Eine kompakte Darstellung des Audiomaterials wird schrittweise mit Rauschen überlagert. Ein neuronales Netzwerk lernt dann, aus diesem verrauschten Zustand wieder sinnvolle (d.h. der Wahrscheinlichkeitsverteilung der Trainingsdaten entsprechende) Audiodaten zu generieren.​¹²⁰ Zudem lernt das Modell, wie sich Textbeschreibungen in typische Muster der Audiodaten übersetzen lassen, sodass im Rückwärtsprozess aus Texteingaben der Nutzerinnen und Nutzer neue Audiodaten generiert werden können, die mit der gelernten Datenverteilung und mit dem Prompt konsistent sind.​¹²¹

Auch bei der Videogenerierung dominieren derzeit Diffusionsmodelle.​¹²² Sie funktionieren prinzipiell gleich wie Diffusionsmodelle zur Bildgenerierung,​¹²³ mit dem Unterschied, dass bei Text-zu-Video-Modellen eine zeitliche Komponente hinzukommt.​¹²⁴ Viele Modelle bauen auf bestehenden Text-zu-Bild-Ansätzen auf und werden durch zeitbezogene Module erweitert, die Objektbewegungen, Kamerabewegungen und andere Veränderungen zwischen den einzelnen Frames (Einzelbild eines Videos) modellieren.​¹²⁵

Für das Training werden die Modelle mit grossen Mengen an Videodaten trainiert. Für das Lumiere-Modell wurden bspw. dreissig Millionen Videos inklusive Beschreibung verwendet. Vor dem Training werden die Videos normiert, d.h. die Anzahl Frames pro Sekunde wird vereinheitlicht (bspw. pro Video achtzig Frames bei sechzehn Frames pro Sekunde), und die räumliche Auflösung wird auf ein einheitliches Format gebracht (bspw. 128 ×128 Pixel).​¹²⁶ So entstehen einheitliche fünf Sekunden lange Videos, unabhängig davon, mit welchen Frames pro Sekunde das ursprüngliche Video aufgenommen wurde.

Vor dem Training werden die Videosequenzen in vierdimensionale Tensoren mit der Struktur Frames, Höhe, Breite und Kanäle überführt. Anschliessend wird dem gesamten Tensor ein gemeinsames Rauschmuster hinzugefügt, sodass die zeitliche Dimension nicht unabhängig pro Frame verrauscht wird, sondern als zusammenhängende Einheit. Analog zur Bildgenerierung lernt das Modell im Rückwärtsprozess der Diffusion, den verrauschten Videotensor schrittweise zu entrauschen.​¹²⁷

Für die Generierung werden üblicherweise zunächst einige Keyframes erzeugt, die als zeitliche Fixpunkte dienen. Anschliessend berechnet das System die fehlenden Übergangsbilder zwischen diesen Fixpunkten, sodass aus wenigen Ankerpunkten eine flüssige und konsistente Videosequenz entsteht.​¹²⁸

Damit das Modell nach Anweisungen der Nutzerinnen und Nutzer neue Videos erstellen kann, werden alle Videos mit einer Beschreibung versehen, die miterlernt wird.​¹²⁹

Die Informatik kennt verschiedene, leicht unterschiedliche Definitionen der «Memorisierung». Verwendet werden Begriffe wie «verbatim memorization», «extractable memorization» oder «eidetic memorization». Den verschiedenen Begriffen ist allerdings gemeinsam, dass sie die Eigenschaft grosser Sprachmodelle bezeichnen, längere Textpassagen zu erzeugen, die exakte oder nahezu exakte Übereinstimmungen mit Sequenzen aus ihren Trainingsdaten darstellen.​¹³⁵

Um Sprachmodelle auf Memorisierung zu prüfen, verwendet man Trainingsdaten-Extraktionsangriffe (extraction attacks), die die Reproduktion von Trainingsinhalten provozieren. Dabei werden dem Modell gezielte Prompts oder Textsequenzen aus den möglicherweise memorisierten Werken eingegeben, und diese Eingaben werden automatisiert angepasst und vielfach wiederholt; anschliessend wird unter den Ausgaben nach Sequenzen gesucht, die mit hoher Wahrscheinlichkeit wörtlich aus den Trainingsdaten stammen.​¹³⁶ Generiert das Modell lange und spezifische (non trivial) Textsequenzen, die wörtlich einem Werk entsprechen, so spricht dies gegen eine zufällige Neugenerierung und dafür, dass das Modell diese Passage tatsächlich memorisiert hat.​¹³⁷ Reproduziert werden dabei vor allem Textpassagen, die in den Trainingsdaten oft vorkommen,​¹³⁸ bspw. der gesamte Text der MIT-, Creative-Commons- oder Project-Gutenberg-License.​¹³⁹ In anderen Experimenten ist es sogar gelungen, den ganzen Text des Buches «Harry Potter and the Sorcerer’s Stone» zu reproduzieren.​¹⁴⁰

Mit zunehmender Grösse des LLM nimmt auch der Anteil der extrahierbaren Trainingsdaten zu.​¹⁴¹ Diese Erkenntnis stützt sich auf Vergleiche zwischen den Modellen GPT-2 und GPT-Neo, die unter ähnlichen Bedingungen, aber mit unterschiedlichen Datenmengen (40 GB und 800 GB) trainiert wurden. In den durchgeführten Experimenten «erinnerte» sich das auf 800 GB Textdaten trainierte Modell GPT-Neo an 40% der Daten aus dem Evaluationsset, während das kleinere GPT-2 lediglich 6% des Sets wiederherstellen konnte. Diese Experimente legen nahe, dass grössere Sprachmodelle nicht nur besser generalisieren und Textpassagen «neu» erzeugen, sondern Texte oder Textpassagen, die sie im Training «gesehen» haben, bei geeigneten Prompts auch wörtlich oder nahezu wörtlich reproduzieren können.​¹⁴² Die Texte oder Textpassagen können zwar nicht deterministisch abgefragt werden, wie dies bei einer herkömmlichen Datenbank der Fall wäre, es ist aber unter Umständen möglich, Werkteile oder nahezu ganze Werke exakt oder nahezu exakt zu reproduzieren.

Der Befund legt nahe, dass mit wachsender Modellkapazität nicht nur die Mustererkennung, sondern auch die Fähigkeit zur wörtlichen Wiedergabe steigt. Dabei gilt: Je öfter ein Text im Training vorkam, desto höher ist die Wahrscheinlichkeit, dass das Modell ihn memorisiert.​¹⁴³ Ein Risiko der Memorisierung besteht bereits, wenn ein Text in relevanter Häufigkeit wiederholt wird. So hat eine Studie gezeigt, dass eine 33-fache Wiederholung eines Textes zu dessen Memorisierung in einem grossen Sprachmodell führen kann.​¹⁴⁴

Ähnlich wie bei den Tests zur Prüfung der Memorisierung von Textdaten versucht man auch Bildmodelle durch attacksdazu zu bringen, in den Trainingsdaten enthaltene Bilder zu generieren.​¹⁴⁵ Experimente haben bspw. gezeigt, dass Stable Diffusion​¹⁴⁶ Bildinhalte aus dem Trainingsdatensatz reproduzieren kann. In den Versuchen wurden unter anderem Bildbeschreibungen (Captions) aus dem LAION-Datensatz als Prompts verwendet, um gezielt Reproduktionen von Bildern zu provozieren. Im Durchschnitt führen diese Captions nicht zu einer eigentlichen Reproduktion des zugehörigen Trainingsbildes. Für die Bewertung als Memorisierung ist jedoch entscheidend, dass in einzelnen Fällen (nahezu) identische Reproduktionen auftreten können. So führen z.B. bestimmte Schlüsselphrasen wie etwa Künstlernamen oder häufig vorkommende stilistische Begriffe eher zu Reproduktionen. Ein Prompt wie «A painting of The Great Wave off Kanagawa by Katsushika Hokusai» kann zur Ausgabe einer nahezu identischen Kopie des Originals führen. Häufige Wiederholungen eines Bildes im Trainingsdatensatz begünstigen Reproduktionen zusätzlich, wenn die passenden Prompts eingegeben werden. Es ist allerdings sehr unwahrscheinlich, dass bei zufälligen Texteingaben ein in den Trainingsdaten enthaltenes Bild reproduziert wird.​¹⁴⁷

Generell werden viel eher Bilder reproduziert, die «einfach» sind und deren Beschreibung nahe an der Bildkomposition liegt.​¹⁴⁸ Komplexere Bilder lassen sich selbst mit detaillierten Prompts und vielen Iterationen kaum reproduzieren.​¹⁴⁹

Die Forschung zur Memorisierung bei Audiomodellen ist limitiert.​¹⁵⁰Attacks auf SUNO​¹⁵¹ haben gezeigt, dass sehr ähnliche Songs hinsichtlich Rhythmus und Kadenz reproduziert werden können, wenn man Textprompts verwendet, die phonetisch sehr nahe am Original sind. Für den Prompt verwendeten die Autoren einer Studie anstatt der ersten Zeile von Eminems «Lose Yourself» – «His palms are sweaty, knees weak, arms are heavy» – die phonetisch sehr ähnliche Variante: «His pants are sweaty, cheese weak, cars are heavy». Das Modell generierte daraufhin einen Song, der dem Original in Rhythmus und Kadenz sehr stark ähnlich war.​¹⁵²

Dass Videodaten im Unterschied zu Bilddaten eine zeitliche Dimension haben, erhöht die Komplexität bei der Analyse der Memorisierung. Neben dem statischen Bildinhalt eines Frames können Modelle auch Bewegungsdynamiken erfassen und unter Umständen reproduzieren.​¹⁵³ Das wirft die Frage auf, ob bereits eine Memorisierung vorliegt, wenn einzelne Frames reproduziert werden, oder ob erst die getreue Reproduktion von Inhalt und zeitlicher Abfolge als Memorisierung anzusehen ist.​¹⁵⁴

Unabhängig von dieser Definitionsfrage neigen Videodiffusionsmodelle insgesamt weniger dazu, Trainingsdaten zu reproduzieren. Der Grund dürfte darin liegen, dass viele Videodiffusionsmodelle auf Bilddiffusionsmodellen basieren,​¹⁵⁵ die mit grossen Mengen an Videodaten trainiert werden, und deshalb variantenreichere und kreativere Outputs generieren.​¹⁵⁶ Wie bei der Memorisierung von Bilddaten​¹⁵⁷ gilt, dass die Wahrscheinlichkeit einer exakten Reproduktion mit zunehmender Grösse und Vielfalt des Trainingsdatensatzes abnimmt.​¹⁵⁸

Da generative KI-Modelle neue Inhalte generieren und nicht bestehende Inhalte wiedergeben sollen, ist die Memorisierung von Trainingsdaten grundsätzlich unerwünscht.​¹⁵⁹ Bei der Entwicklung von KI-Modellen werden verschiedene Ansätze verwendet, um der Memorisierung entgegenzuwirken. Allerdings löst keiner dieser Ansätze das Problem vollständig; in der Praxis lässt sich Memorisierung meist nur reduzieren, nicht vollständig ausschliessen.

Ein weit verbreiteter Ansatz ist die sog. De-Duplizierung von Trainingsdaten, mit der erreicht werden soll, dass jedes Quelldatum im Training nur einmal benutzt wird.​¹⁶⁰ Damit sinkt die statistische Wahrscheinlichkeit, dass ein Text reproduziert wird.​¹⁶¹

Ein anderer Ansatz besteht darin, mit sog. Soft-Prompts, die vom Modell erzeugt und dem vom Benutzer eingegebenen Prompt vorangestellt werden, das Modellverhalten so zu steuern, dass die Wahrscheinlichkeit der Ausgabe memorisierter Trainingsdaten reduziert wird. Für die Konstruktion solcher Soft-Prompts werden die Gewichte eines Modells eingefroren und in einem Attack-Szenario mit Prompts trainiert, welche die Ausgabe memorisierter Inhalte maximieren; auf diese Weise können Schwachstellen identifiziert und defensive Soft-Prompts optimiert werden, die das Risiko einer Reproduktion von Trainingsdaten verringern.​¹⁶²

Eine weitere Möglichkeit besteht darin, die von Nutzern eingegebenen Prompts im Modell abzuwandeln, bspw. wenn diese auf spezifische Stile von Künstlerinnen und Künstlern oder auf andere markante Merkmale von Trainingsdaten abzielen. Die Abwandlung der Prompts soll verhindern, dass das Modell die charakteristischen Merkmale der Trainingsdaten (bspw. den Stil einer Künstlerin) reproduziert (Concept Ablation).​¹⁶³ Mit sog. Machine Unlearning kann zudem der Einfluss einzelner Datenpunkte im Modell gezielt reduziert werden, um Reproduktionen von Trainingsdaten zu verhindern, ohne das gesamte Modell vollständig neu trainieren zu müssen.​¹⁶⁴

Bei Diffusionsmodellen kann durch Anti-Memorization Guidance in die Datengenerierung eingegriffen werden. Während der Schritte für das Denoising wird dabei fortlaufend geprüft, ob eine aktuelle Zwischenvorhersage den Trainingsdaten zu ähnlich ist; trifft dies zu, wird von dieser Zwischenvorhersage weggesteuert.​¹⁶⁵ Bei Diffusionsmodellen tritt zudem das Problem auf, dass beim Cross-Attention-Mechanismus​¹⁶⁶ auf einige Trigger-Tokens zu grosses Gewicht gelegt wird und deshalb Trainingsdaten reproduziert werden können. Dem kann entgegengewirkt werden, indem man die entsprechenden Tokens maskiert.​¹⁶⁷

Die Memorisierung lässt sich auch auf der Ebene der Modellparameter betrachten. Oft sind es einzelne Gruppen von Neuronen eines Netzwerks, die für die Memorisierung verantwortlich sind. Wenn sich diese (Gruppen von) Neuronen identifizieren lassen, können sie deaktiviert werden. Dadurch lassen sich Reproduktionen nachhaltig verhindern, weil diese Massnahme nicht durch «attacks» umgangen werden kann.​¹⁶⁸

Die Erarbeitung der technischen Grundlagen vermittelt im Wesentlichen drei Erkenntnisse, die für die urheberrechtliche Beurteilung der Nutzung von Werken beim Training von generativen KI-Modellen zentral sind:

Erstens müssen die für das Training verwendeten Text-, Bild-, Audio- und Videodateien in einem ersten Schritt gesammelt und kuratiert sowie in einer Datenbank gespeichert werden. Dieser Vorgang führt zu Vervielfältigungen dieser Dateien in den Datenbanken.

Zweitens funktioniert das Training von generativen KI-Modellen für alle Werkarten (Text, Bild, Ton, Video und Source Code) im Grundsatz gleich. Es geht immer darum, dass die Modelle die statistische Verteilung in den Trainingsdaten lernen, um auf dieser Grundlage ähnliche neue Werke generieren zu können.

Drittens hat sich gezeigt, dass die Modelle nicht nur neue und statistisch wahrscheinliche Inhalte generieren können, sondern auch in der Lage sind, exakte und nahezu exakte Kopien von in den Trainingsdaten enthaltenen Werken zu generieren. Dieser Memorisierung kann zwar durch verschiedene Massnahmen entgegengewirkt werden, sie lässt sich aber (bisher) nicht vollständig verhindern. Trainierte Modelle unterscheiden sich zwar von klassischen Datenbanken, bei denen sich alle gespeicherten Werke ohne Weiteres jederzeit abrufen lassen. Die in KI-Modellen gespeicherten Repräsentationen von Werken ermöglichen es Nutzerinnen und Nutzern aber teilweise, dem Modell die beim Training verwendeten Werke exakt oder nahezu exakt durch geeignete Prompts wieder zu entnehmen. Diese Problematik besteht bei allen bekannten Modellen und bei allen Werkarten. Die Memorisierung zeigt, dass die beim Training verwendeten Werke in den Modellen in gewisser Weise «gespeichert» sein können. Ob die Repräsentationen von Werken in den Parametern der trainierten Modelle urheberrechtlich als Vervielfältigungen anzusehen sind, ist allerdings eine Rechtsfrage, die das Urheberrecht autonom entscheiden kann. Die Entscheidung muss aber auf der Grundlage eines hinreichenden Verständnisses der technischen Vorgänge erfolgen.

Wie die Nutzung urheberrechtlich geschützter Werke beim Training von KI-Modellen zu beurteilen ist, wird in vielen Rechtsordnungen intensiv diskutiert. Besonders relevant sind aus Schweizer Sicht die gesetzgeberischen Entwicklungen und die Gerichtsverfahren in der EU sowie in Deutschland und Frankreich, im Vereinigten Königreich (UK) und in den USA. Diese werden nachfolgend skizziert.

Die EU hat 2019 die Digital Single Market-Richtlinie (DSM-RL)​¹⁶⁹ erlassen, um das Urheberrecht ans digitale Umfeld anzupassen.​¹⁷⁰ Die DSM-RL sieht zwei Schranken für Text und Data Mining vor, eine allgemeine Schranke für Text und Data Mining (Art. 4 DSM-RL) und eine spezifische Schranke für Text und Data Mining zum Zweck der wissenschaftlichen Forschung (Art. 3 DSM-RL). Die Mitgliedstaaten der EU mussten diese Vorgaben bis 2021 im nationalen Recht umsetzen.

Der Begriff des Text und Data Mining wird in Art. 2 Nr. 2 der DSM-RL definiert. Nach dieser Definition ist Text und Data Mining «eine Technik für die automatisierte Analyse von Texten und Daten in digitaler Form, mit deren Hilfe Informationen unter anderem – aber nicht ausschliesslich – über Muster, Trends und Korrelationen gewonnen werden können».

Die Schranke für Text und Data Mining zum Zweck der wissenschaftlichen Forschung (Art. 3 DSM-RL) stellt Vervielfältigungen von Werken und anderen Schutzgegenständen für Text und Data Mining frei, die durch Forschungsorganisationen und Einrichtungen des Kulturerbes zum Zweck der wissenschaftlichen Forschung vorgenommen werden, sofern diese Organisationen zu den Werken und Schutzgegenständen rechtmässig Zugang haben. Einrichtungen des Kulturerbes sind namentlich öffentlich zugängliche Bibliotheken, Museen oder Archive (Art. 2 Nr. 3 DSM-RL). Als Forschungsorganisationen gelten Hochschulen (inkl. ihrer Bibliotheken), Forschungsinstitute und andere Einrichtungen wie Forschungskliniken, deren vorrangiges Ziel die wissenschaftliche Forschung oder die Lehrtätigkeit ist (Art. 2 Nr. 1 DSM-RL). Die Organisation darf nicht gewinnorientiert sein, oder sie muss sämtliche Gewinne in die Forschung reinvestieren (Art. 2 Nr. 1 Bst. a DSM-RL); alternativ muss sie im Rahmen eines von einem Mitgliedstaat anerkannten Auftrags im öffentlichen Interesse tätig sein (Art. 2 Nr. 1 Bst. b DSM-RL). Nicht auf die Schranke von Art. 3 DSM-RL berufen können sich Forschungsorganisation, die einem Unternehmen, das einen bestimmenden Einfluss auf die Organisation hat, bevorzugten Zugang zu den Forschungsergebnissen gewähren (Art. 2 Nr. 1 DSM-RL).

Die allgemeine Schranke für Text und Data Mining (Art. 4 DSM-RL) stellt alle für Text und Data Mining erstellten Vervielfältigungen von Werken und anderen Schutzobjekten frei, unabhängig vom Zweck des Text und Data Mining und von der Art der Organisation, die dieses vornimmt (Art. 4 Abs. 1 DSM-RL). Anders als bei der Schranke für die wissenschaftliche Forschung können die Rechteinhaber hier aber verhindern, dass ihre Werke oder anderen Schutzobjekte für Text und Data Mining genutzt werden, indem sie diese mit einem Nutzungsvorbehalt versehen. Dieser muss ausdrücklich und in angemessener Weise angebracht werden, bei online veröffentlichten Inhalten etwa mit maschinenlesbaren Mitteln (Art. 4 Abs. 3 DSM-RL).

Beim Erlass der DSM-RL war für den Unionsgesetzgeber nicht erkennbar, welche Tragweite die Schranken für das Text und Data Mining aufgrund der technischen Entwicklungen im Bereich von KI erlangen könnten. Klar ist jedenfalls, dass der Gesetzgeber sich beim Erlass der Schranken nicht bewusst war, dass er damit möglicherweise die Nutzung von Werken für das Training von KI-Modellen freistellt. Entsprechend war bzw. ist diese zentrale Frage bis heute umstritten – für das EU-Recht ebenso wie für die Umsetzung der unionsrechtlichen Vorgaben im Recht der Mitgliedstaaten, bspw. in Deutschland und Frankreich.​¹⁷¹

Mit dem Erlass der KI-Verordnung​¹⁷² hat der Unionsgesetzgeber die Frage aber wohl nun geklärt: Nach Art. 53 Abs. 1 Bst. c KI-VO müssen die Anbieter von KI-Modellen mit generellem Verwendungszweck (General Purpose AI, GPAI) «eine Strategie zur Einhaltung des Urheberrechts der Union und damit zusammenhängender Rechte und insb. zur Ermittlung und Einhaltung eines gemäss Artikel 4 Absatz 3 der Richtlinie (EU) 2019/790 geltend gemachten Rechtsvorbehalts, auch durch modernste Technologien, auf den Weg» bringen. Auch wenn die (urheberrechtliche) Bedeutung dieser Bestimmung weitgehend unklar ist,​¹⁷³ scheint der Unionsgesetzgeber damit doch unzweideutig zum Ausdruck zu bringen, dass er das Training von KI-Modellen als Text und Data Mining im Sinn der DSM-RL versteht.​¹⁷⁴ Bestätigt wird dies durch die Ausführungen in den Erwägungsgründen 105 f. der KI-VO. Dieses Verständnis von Text und Data Mining wird in der Literatur teilweise kritisiert, unter anderem weil die Anwendung der Schranken für Text und Data Mining auf das Training von KI-Modellen nicht mit dem Dreistufentest vereinbar sei.​¹⁷⁵ In dieser zentralen Frage besteht damit weiterhin Rechtsunsicherheit. Der EuGH wird die Frage aber voraussichtlich schon bald in der Rechtssache C-250/25, «Like Company v. Google Ireland», klären können.

Dem in Art. 4 Abs. 3 DSM-Richtlinie vorgesehenen Nutzungsvorbehalt (Opt-out) kommt bei den Schranken für das Text und Data Mining eine zentrale Rolle zu, im EU-Recht ebenso wie im harmonisierten Recht der Mitgliedstaaten.​¹⁷⁶ Die praktische Umsetzung dieser Vorgabe ist allerdings (zumindest) bei online zugänglichen Werken mit erheblichen Herausforderungen verbunden. Eine Best Practice hat sich noch nicht herausgebildet.​¹⁷⁷ Seit einiger Zeit werden verschiedene Ansätze diskutiert und entwickelt, die sich hinsichtlich des technischen Aufwands, der Reichweite und der Durchsetzbarkeit unterscheiden.​¹⁷⁸

Zum einen können Nutzungsvorbehalte in natürlicher Sprache angebracht werden, etwa durch öffentliche Erklärungen der Rechteinhaber.​¹⁷⁹ Die deutsche Verwertungsgesellschaft GEMA hat bspw. einen Vorbehalt auf ihrer Website angebracht​¹⁸⁰, und der Verlag Penguin Random House sieht einen solchen im Impressum seiner Bücher vor.​¹⁸¹ Möglich ist auch das Anbringen eines Nutzungsvorbehalts in den AGB einer Website.​¹⁸² Diese Ansätze können allerdings nicht sicherstellen, dass der Vorbehalt von allen Akteuren zur Kenntnis genommen wird, welche die Werke für Text und Data Mining nutzen wollen. In der Literatur wird zudem teilweise vertreten, dass Erklärungen in natürlicher Sprache den Anforderungen von Art. 4 Abs. 3 DSM-RL nicht genügen, weil die Maschinenlesbarkeit fehle.​¹⁸³ Das französische Syndicat national de l’édition empfiehlt deshalb die Verwendung von sog. «booleschen Funktionen», die in die AGB von Websites aufgenommen werden können.​¹⁸⁴ Diese Funktionen haben zwei Zustände: 0 und 1. Die Zahl 0 bedeutet «nein/aus/falsch», die Zahl 1 «ja/ein/wahr». Mit der Klausel «TDM-RESERVATION: 1» soll kommuniziert werden, dass der Rechteinhaber vom Nutzungsvorbehalt Gebrauch macht. Diese Art von Vorbehalt ist allerdings domainspezifisch, er bezieht sich also nur auf Werke, die auf der jeweiligen Website gehostet werden.​¹⁸⁵ Werden die Werke von Dritten gespeichert und auf anderen Websites zugänglich gemacht, ist der Nutzungsvorbehalt nicht mehr ersichtlich.

Eine viel diskutierte technische Massnahme ist die Implementierung des Robot Exclusion Protocol («REP» oder «robots.txt»), das Webcrawlern kommuniziert, in welchem Mass der Zugriff auf eine Website erwünscht ist.​¹⁸⁶ Ein Nachteil dieser Variante ist, dass die Webcrawler richtig benannt, den Rechteinhabern also bekannt sein müssen, damit das REP den Vorbehalt kommunizieren kann. Dies führt dazu, dass sich Rechteinhaber oder Websitebetreiber nicht immer wirksam gegen die Verwendung ihrer Werke wehren können und sich laufend über die neusten Webcrawler informieren müssen.​¹⁸⁷ Sinnvoll wäre zudem ein Wechsel von einer identitätsbasierten zu einer verwendungsbasierten Kommunikation des Nutzungsvorbehalts,​¹⁸⁸ bei welchem das REP den Webcrawlern nicht nur angibt, dass sie ein bestimmtes Werk nicht verwenden dürfen, sondern differenziert kommunizieren kann, zu welchem Zweck ein Werk genutzt werden darf. Mit diesem Ansatz könnte bspw. den Webcrawlern von Suchmaschinen kommuniziert werden, dass die Listung eines Werks in der Trefferliste der Suchmaschine zulässig, die Nutzung für Text und Data Mining aber ausgeschlossen ist. Da das REP den Zugriff auf Werke nicht verhindert, müssen Webcrawler so programmiert sein, dass sie sich an Nutzungsvorbehalte halten.​¹⁸⁹ Um Webcrawler und Bots, die das REP ignorieren, dennoch von der Verwendung von Werken abzuhalten, wurden Dienste entwickelt, die Webcrawler blockieren, bspw. der Dienst von Cloudflare.​¹⁹⁰ Trotz der skizzierten Einschränkungen wird die Verwendung des REP von der Internet Engineering Task Force (IETF) als möglicher Standard für das Anbringen eines Nutzungsvorbehalts vorgeschlagen.​¹⁹¹ Ähnlich funktioniert auch das Protokoll«ai.txt» von Spawning.ai, das (anders als das REP) erst unmittelbar vor dem Herunterladen eines Werks interveniert. Dieser Ansatz ist vorteilhaft, wenn ein Datensatz (wie bspw. LAION-5B) Direktlinks auf Werke enthält und der Webcrawler deshalb den Zeitpunkt des Abrufs der Website, in dem das REP aktiv würde, überspringt. Spawning.ai bietet noch weitere Tools an, namentlich ein Register, eine Programmierbibliothek und einen Webcrawler-Blocker, die gemeinsam sinnvolle Lösungen für Rechteinhaber und KI-Entwickler bilden sollen.​¹⁹²

Weitere technische Massnahmen werden von der W3C Community Group vorgeschlagen: Nutzungsvorbehalte können bspw. in einem Dokument auf dem Ursprungsserver der Website oder als Metadaten im HTML-Code angebracht werden. Möglich ist auch ein Einbinden ins http-Headerfeld, was dazu führt, dass der Nutzungsvorbehalt als Antwort auf eine http-Anfrage an den Client gesendet wird. Teilweise kann der Vorbehalt auch im Dokument selbst festgehalten werden, bspw. bei Texten im Format EPUB.​¹⁹³ Möglich sind auch sog. «asset-basierte» Massnahmen, die bspw. von Liccium angeboten werden. Bei diesem Ansatz wird der Nutzungsvorbehalt in den Metadaten der Werke angebracht und gleichzeitig in einem öffentlich zugänglichen Register vermerkt.​¹⁹⁴ Vergleichbare Register könnten auch von Verwertungsgesellschaften oder IP-Behörden erstellt und betrieben werden.​¹⁹⁵

Vor dem Hintergrund der technischen Herausforderungen werden Nutzungsvorbehalte in der Literatur kritisch bewertet. Bisweilen wird nicht nur die praktische Umsetzung, sondern auch ihre grundsätzliche Eignung in Frage gestellt, die Nutzung von Werken für das Training von KI-Modellen zu verhindern,​¹⁹⁶ weil die Nutzungsvorbehalte strukturell nicht für die massenhafte und automatisierte Nutzung von Daten beim Training von KI-Modellen konzipiert seien.​¹⁹⁷ Namentlich fehle es an skalierbaren, harmonisierten und durchsetzbaren technischen Standards, um Nutzungsvorbehalte entlang komplexer Datenverarbeitungsketten wirksam zu erhalten, was sie im Bereich des Trainings von KI-Modellen weitgehend wirkungslos mache.​¹⁹⁸ Ähnliche Befunde haben empirische Arbeiten ergeben, die aufzeigen, dass Nutzungsvorbehalte beim Aufbau grosser Trainingsdatensätze regelmässig verloren gehen, oder nicht zuverlässig berücksichtigt werden können.​¹⁹⁹ In diesem Zusammenhang wird teils von einer «consent crisis» gesprochen, weil die bestehenden Ansätze den Rechteinhabern keine effektive Kontrolle und den KI-Entwicklern keine Rechtssicherheit bieten.​²⁰⁰

Als Lösung wird allgemein eine stärkere Standardisierung der technischen Ausgestaltung von Nutzungsvorbehalten gefordert.​²⁰¹ Nach Einschätzung des EUIPO wird ein kombiniertes Vorgehen erforderlich sein, bei dem verschiedene technische Mittel parallel eingesetzt werden, etwa «robots.txt», Metadaten-Protokolle und öffentlich zugängliche Register.​²⁰²

Ob ein bestimmtes Werk für das Training eines KI-Modells verwendet wurde, ist für die Rechteinhaber in der Regel nicht erkennbar. Die Durchsetzung ihrer Urheberrechte und die Prüfung, ob ein allfälliger Nutzungsvorbehalt beachtet wurde, droht deshalb an der fehlenden Transparenz zu scheitern. Der Unionsgesetzgeber hat diese Problematik erkannt und die Anbieter von GPAI-Modellen verpflichtet, eine hinreichend detaillierte Zusammenfassung der für das Training eines KI-Modells verwendeten Inhalte zu erstellen und zu veröffentlichen (Art. 53 Abs. 1 Bst. d KI-VO). Diese Pflicht gilt für alle Anbieter von GPAI-Modellen, unabhängig davon, ob die Modelle proprietär oder unter einer freien oder einer Open-Source-Lizenz veröffentlicht werden.​²⁰³ Die Zusammenfassung ist nach einer Vorlage des Büros für KI zu erstellen. Das sog. summary template ist in drei Hauptabschnitte gegliedert: Der erste Abschnitt enthält eine allgemeine Beschreibung der Modellkategorie und des Trainingsansatzes. Im zweiten Abschnitt werden zentrale Datensammlungen oder Datenquellen aufgeführt, die für das Training herangezogen wurden, bspw. grosse öffentliche oder private Datenbanken oder Archive. Im dritten Abschnitt sind Angaben zu wesentlichen Aspekten der Datenverarbeitung zu machen, die der Wahrnehmung berechtigter Interessen, insb. der Entfernung illegaler Inhalte, dienen sollen.​²⁰⁴ Aus Sicht des Urheberrechts sind die Angaben im zweiten Abschnitt zentral. Diese sollen es Rechteinhabern ermöglichen, zumindest auf abstrakter Ebene einschätzen zu können, ob ihre Werke Teil der Trainingsdaten gewesen sein könnten.​²⁰⁵ Zugleich trägt die Ausgestaltung des summary template dem Schutz von Geschäftsgeheimnissen und vertraulichen Informationen Rechnung, indem keine Offenlegung einzelner Werke, konkreter Trainingsdaten oder technischer Details verlangt wird.​²⁰⁶

Deutschland hat die Vorgaben von Art. 3 und Art. 4 der DSM-RL in den §§ 44b und 60d UrhG im nationalen Recht umgesetzt. Die Bestimmung von § 44b UrhG wurde 2021 durch das Gesetz zur Anpassung des Urheberrechts an die Erfordernisse des digitalen Binnenmarktes vom 31. Mai 2021​²⁰⁷ ins UrhG eingefügt, während die Vorschrift des § 60d UrhG schon 2017 – auf Grundlage der InfoSoc-RL​²⁰⁸ – durch das Urheberrechts-Wissensgesellschafts-Gesetz vom 1. September 2017​²⁰⁹ eingeführt wurde. In der Folge wurde § 60d UrhG durch das Gesetz zur Anpassung des Urheberrechts an die Erfordernisse des digitalen Binnenmarktes vom 31. Mai 2021 an die Vorgaben von Art. 3 DSM-RL​²¹⁰ angepasst.

Den Vorgaben der DSM-RL entsprechend sieht das deutsche Recht eine allgemeine Schranke für das Text und Data Mining (§ 44b UrhG) und eine Schranke für das Text und Data Mining für Zwecke der wissenschaftlichen Forschung (§ 60d UrhG) vor. Die für beide Normen geltende Definition von Text und Data Mining weicht in der Formulierung leicht von der Definition in Art. 2 Nr. 2 DSM-RL ab, entspricht ihr aber inhaltlich. Nach deutschem Recht ist Text und Data Mining die automatisierte Analyse von einzelnen oder mehreren digitalen oder digitalisierten Werken, um daraus Informationen insb. über Muster, Trends und Korrelationen zu gewinnen (§ 44b Abs. 1 UrhG).

Die allgemeine Schranke für Text und Data Mining stellt Vervielfältigungen von rechtmässig zugänglichen Werken für das Text und Data Mining frei (§ 44b Abs. 2 Satz 1 UrhG). Diese Vervielfältigungen sind zu löschen, wenn sie für das Text und Data Mining nicht mehr gebraucht werden (§ 44b Abs. 2 Satz 2 UrhG). Die freigestellten Nutzungen sind allerdings nur zulässig, wenn der Rechteinhaber sich diese nicht vorbehalten hat (§ 44b Abs. 3 Satz 1 UrhG). Anders als in Art. 4 Abs. 3 DSM-RL, wonach die Rechteinhaber die Werke «ausdrücklich und in angemessener Weise» mit einem Nutzungsvorbehalt versehen müssen,​²¹¹ enthält das deutsche Recht keine allgemeinen Vorgaben für das Anbringen eines Nutzungsvorbehalts. Vorgaben bestehen nur für online zugängliche Werke, bei denen der Nutzungsvorbehalt nur wirksam ist, wenn er in maschinenlesbarer Form erfolgt (§ 44b Abs. 3 Satz 2 UrhG).

Die Schranke für Text und Data Mining für Zwecke der wissenschaftlichen Forschung übernimmt die Vorgaben von Art. 3 DSM-RL und präzisiert sie in verschiedener Hinsicht. So wird der Begriff der Forschungsorganisation näher definiert. Dieser umfasst nach deutschem Recht Hochschulen, Forschungsinstitute und sonstige Einrichtungen, die wissenschaftliche Forschung betreiben, wenn sie (i) nicht kommerzielle Zwecke verfolgen, (ii) sämtliche Gewinne in die Forschung reinvestieren und (iii) im Rahmen eines staatlich anerkannten Auftrags im öffentlichen Interesse tätig sind (§ 60d Abs. 2 Satz 1 UrhG). Neben diesen Forschungsorganisationen können sich auch einzelne Forschende auf die Schranke berufen, wenn sie nicht kommerzielle Zwecke verfolgen (§ 60d Abs. 3 Nr. 2 UrhG). Nicht auf die Schranke berufen können sich hingegen Forschungsorganisationen, die mit einem privaten Unternehmen zusammenarbeiten, das einen bestimmenden Einfluss auf die Forschungsorganisation und einen bevorzugten Zugang zu den Ergebnissen der wissenschaftlichen Forschung hat (sog. Public Privat Partnerships, siehe: § 60d Abs. 2 Satz 3 UrhG). Mit dieser Bestimmung soll verhindert werden, dass die im Vergleich zu § 44b UrhG grosszügigere Schranke des § 60d UrhG rein privatwirtschaftlich tätige Unternehmen mitbegünstigt.

Wie der Begriff der Forschungsorganisation wird auch der in der DSM-RL verwendete Begriff der Einrichtung des Kulturerbes näher definiert. Er umfasst nach deutschem Recht öffentlich zugängliche Bibliotheken und Museen sowie Archive und Einrichtungen im Bereich des Film- oder Tonerbes (§ 60d Abs. 3 Nr. 1 UrhG). Wie Art. 3 DSM-RL erlaubt auch das deutsche Recht die Aufbewahrung der Vervielfältigungen nach Abschluss des Text und Data Mining, sofern dies ausschliesslich für Zwecke der wissenschaftlichen Forschung erfolgt, einschliesslich für die Überprüfbarkeit von Forschungsergebnissen (§ 60d Abs. 5 UrhG). Darüber hinaus erlaubt es das deutsche Recht, die im Rahmen der Schranke erstellten Vervielfältigungen Dritten zugänglich zu machen. Der Kreis der Dritten ist allerdings beschränkt; zulässig ist nur das Zugänglichmachen in einem bestimmt abgegrenzten Kreis von Personen für die gemeinsame wissenschaftliche Forschung und an einzelne Dritte für die Überprüfung der Qualität der wissenschaftlichen Forschung (§ 60d Abs. 4 UrhG).

Ob die Nutzung von Werken für das Training von KI-Modellen als Text und Data Mining qualifiziert werden kann, ist im deutschen Recht umstritten. Die Frage wird in der rechtswissenschaftlichen Literatur nunmehr überwiegend bejaht,​²¹² teils aber auch verneint.​²¹³ Für die zweite Rechtsauffassung spricht, dass die Schranken für das Text und Data Mining vom europäischen Gesetzgeber zweifellos nicht eingeführt wurde, um das Training von KI-Modellen zu erfassen. Allerdings hat der deutsche Gesetzgeber in der Begründung zum Regierungsentwurf des Umsetzungsgesetzes​²¹⁴ ausdrücklich festgehalten, dass Schranken für das Text und Data Mining «das maschinelle Lernen als Basis-Technologie für Künstliche Intelligenz» erleichtern und fördern solle. Aus dieser Aussage wird überwiegend gefolgert, dass die Nutzung von Werken für das Training von KI-Modellen als Text und Data Mining zu qualifizieren sei.​²¹⁵ Mittlerweile hat der europäische Gesetzgeber die Frage, ob das KI-Training Text und Data Mining ist, mit Erlass der KI-Verordnung geklärt, indem er in Art. 53 Abs. 1 Bst. c KI-VO ausdrücklich auf Art. 4 Abs. 3 DSM-RL verweist.​²¹⁶ Damit ist klar, dass die Vorgänge beim Training von KI-Modellen nach europäischem und damit auch nach deutschem Recht​²¹⁷ als Text und Data Mining zu verstehen sind.

In Deutschland sind zwei erstinstanzliche Entscheide zur urheberrechtlichen Zulässigkeit des Trainings generativer KI-Modelle mit urheberrechtlich geschützten Werken ergangen, eine weitere Klage ist vor erster Instanz hängig.​²¹⁸ Der erste Entscheid wurde bereits von der zweiten Instanz bestätigt, eine höchstrichterliche Klärung steht aber noch aus.

Die erste europäische Gerichtsentscheidung zur Frage, ob die Nutzung von Werken beim Training von KI-Modellen als Text und Data Mining zu qualifizieren ist, erging beim Landgericht Hamburg mit Urteil vom 27. September 2024.​²¹⁹ Der Kläger ist Urheber eines Fotos, das zumindest nach § 72 Abs. 1 UrhG Schutz als Lichtbild geniesst. Dieses Foto wurde auf der Website eines Stockfoto-Anbieters öffentlich zugänglich gemacht. Der Beklagte, der Verein «Laion e.V.», lud das Bild von dort herunter und verwendete es, um einen KI-Trainingsdatensatz zu erstellen. Der Kläger machte geltend, dass die damit verbundene Vervielfältigung des Fotos seine Urheberrechte verletze. Dabei brachte er unter anderem vor, dass auf einer Unterseite der Website des Stockfoto-Anbieters ein Nutzungsvorbehalt gegen das Webscraping der veröffentlichten Inhalte in natürlicher (englischer) Sprache erklärt worden sei. Der Beklagte wendete dagegen ein, das Foto befinde sich gar nicht im Trainingsdatensatz; dieser enthalte nur die URL zur Website des Stockfoto-Anbieters und eine Bildbeschreibung sowie andere Metadaten. Zweck der Vervielfältigung sei lediglich der Abgleich des Fotos mit einer von einem Drittanbieter angefertigten Bildbeschreibung gewesen.

Das Landgericht Hamburg hat die Klage des Fotografen abgewiesen. Zur Begründung führte es an, dass die Nutzung durch den Beklagten zwar nicht als vorübergehende Vervielfältigung (§ 44a UrhG) zulässig sei, aber eine Freistellung über § 60d UrhG in Betracht komme, weil der technische Vorgang, bei dem ein Bild mit einer Bildbeschreibung automatisiert abgeglichen werde, als Text und Data Mining i.S.v. § 44b Abs. 1 UrhG zu qualifizieren sei.​²²⁰ Dieses Text und Data Mining betreibe der Beklagte zum Zweck der wissenschaftlichen Forschung, weil er die Trainingsdatensätze unentgeltlich zur Verfügung stelle.​²²¹ Der Beklagte könne sich damit auf die Schranke von § 60d UrhG berufen.​²²² Da diese die Möglichkeit eines Nutzungsvorbehalts nicht vorsehe, komme es nicht darauf an, ob der erklärte Nutzungsvorbehalt die Voraussetzungen nach § 44b Abs. 3 UrhG erfülle, insb. ob er «maschinenlesbar» sei. Das Gericht liess allerdings erkennen, dass es die Maschinenlesbarkeit wohl auch dann als gegeben erachten würde, wenn ein Nutzungsvorbehalt in natürlicher Sprache erklärt wird, weil sonst ein «gewisser Wertungswiderspruch» entstehe.​²²³ Diesen sieht es darin, dass KI-Anbietern einerseits durch die Schranke des § 44b UrhG die Entwicklung immer leistungsfähigerer KI-Modelle ermöglicht werde, von ihnen aber andererseits die Anwendung dieser KI-Modelle nicht verlangt würde, um einen Nutzungsvorbehalt in natürlicher Sprache auszulesen.​²²⁴

Eine Berufung gegen das landgerichtliche Urteil wurde vom Hanseatischen Oberlandesgericht mit Urteil vom 10. Dezember 2025 als unbegründet zurückgewiesen.​²²⁵ Das Oberlandesgericht hat die Argumentation des Landgerichts im Wesentlichen gestützt, aber angemerkt, dass der Nutzungsvorbehalt in natürlicher Sprache nicht die in § 44b Abs. 3 S. 2 UrhG vorgesehene Form erfülle.​²²⁶ Ein Nutzungsvorbehalt sei bei online zugänglichen Werken nur wirksam, wenn er in maschinenlesbarer Form erfolge.​²²⁷ Der Senat hat die Revision zum Bundesgerichtshof zugelassen, weshalb die Entscheidung noch nicht rechtskräftig ist.

Den zweiten Entscheid hat das Landgericht München I am 11. November 2025 gefällt.​²²⁸ Die Klägerin, die Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte (GEMA), klagte gegen OpenAI und machte geltend, dass das Unternehmen die Urheberrechte an neun Liedtexten verletzt habe, indem es diese für das Training seiner Sprachmodelle GPT-4 und GPT-4o verwendete. Dies zeige sich darin, dass bereits die Eingabe einfacher Prompts dazu führe, dass der auf diesen Sprachmodellen basierende Chatbot «ChatGPT» die fraglichen Liedtexte nahezu wortgleich reproduziere. OpenAI hat dem entgegengehalten, die Ausgaben beruhten auf einer «sequenziell-analytischen, iterativ-probabilistischen Synthese» und stellten eine eigenständige, originäre maschinelle Generierung eigener Art dar.

Das Landgericht München I hiess die Klage gut und untersagte OpenAI, die streitgegenständlichen Liedtexte ganz oder teilweise in grossen Sprachmodellen zu vervielfältigen und diese ganz oder teilweise in veränderter oder unveränderter Form in den Ausgaben (Output) des Chatbots öffentlich zugänglich zu machen und/oder zu vervielfältigen.​²²⁹ Das Gericht hielt fest, dass die Memorisierung der Liedtexte in den Sprachmodellen als Vervielfältigung im Sinn von § 16 UrhG zu qualifizieren sei.​²³⁰ Diese sei nicht durch die Schranken für Text und Data Mining (§§ 44b, 60d UrhG) freigestellt, weil die Memorisierungen im Sprachmodell über ein Text und Data Mining hinausgingen und daher kein solches darstellten.​²³¹ In seiner Begründung bezog sich das Landgericht München I auf den Entscheid des Landgerichts Hamburg und führte aus, dass sein Entscheid nicht im Widerspruch zu jenem Entscheid stehe, weil dort ein anderer Sachverhalt zu beurteilen gewesen sei, nämlich die Erstellung von Trainingsdatensätzen als Vorstufe des Trainings.​²³² Dieser Vorgang sei (auch) aus Sicht des Landgerichts München als Text und Data Mining anzusehen. Die Vervielfältigung von Werken (hier: Liedtexte) durch die Generierung eines entsprechenden Outputs sei nicht Gegenstand des Hamburger Verfahrens gewesen. Im vorliegenden Fall würden die Liedtexte nicht nur als Trainingsdaten ausgewertet, sondern vollständig in die Parameter des Modells übernommen, was erheblich in die Verwertungsinteressen der Urheber eingreife. Die Bestimmung von Art. 4 Abs. 1 DSM-RL, auf der die Schranke von § 44b UrhG beruht, erfordere «zum Zwecke des Text und Data Mining vorgenommene Vervielfältigungen».​²³³ Die hier infrage stehenden Vervielfältigungen der Texte im Modell dienen nach Auffassung des Gerichts nicht der weiteren Datenanalyse, weshalb eine Freistellung über die Schranke für Text und Data Mining ausgeschlossen sei.​²³⁴

Frankreich hatte bereits 2016 mit dem Gesetz zur «République Numérique»​²³⁵ zwei Schranken für Text und Data Mining ins französische Urheberrecht eingeführt, das im Code de la propriété intellectuelle CPI geregelt ist.​²³⁶ Diese orientierten sich stark an der damaligen Regelung des britischen Rechts in s29A CDPA.​²³⁷ Diese Schranken stellten das Vervielfältigen von Werken oder Datenbanken zum Zweck von Text und Data Mining zu wissenschaftlichen Zwecken frei.​²³⁸ Vorausgesetzt wurde, dass ein rechtmässiger Zugang zur Quelle bestand und keine kommerziellen Zwecke verfolgt wurden.​²³⁹ Die Ausnahme war auf Texte und wissenschaftliche Schriften beschränkt, weshalb unklar war, ob beim Text und Data Mining bspw. auch Bilder oder Lieder verwendet werden durften.​²⁴⁰

Frankreich hat die Vorgaben von Art. 3 und Art. 4 der DSM-RL mit der Verordnung Nr. 2021-1518 vom 24. November 2021​²⁴¹ in Art. L122-5-3 CPI im nationalen Recht umgesetzt. Dabei wurde in Art. L122-5-3 I CPI die Definition des Text und Data Mining aus Art. 2 Nr. 2 DSM-RL übernommen.​²⁴² Von dieser Definition werden im französischen Recht alle Verfahren erfasst, die dazu dienen, Informationen aus Daten zu gewinnen.​²⁴³ In Art. L122-5-3 III CPI wird die in Art. 4 DSM-RL vorgesehene allgemeine Schranke für Text und Data Mining umgesetzt, in Art. L122-5-3 II CPI die in Art. 3 DSM-RL vorgesehene Schranke für die wissenschaftliche Forschung.

Die Schranke für Text und Data Mining zum Zweck der wissenschaftlichen Forschung übernimmt die Vorgaben der DSM-RL und präzisiert sie in verschiedener Hinsicht. Wie in Art. 3 DSM-RL werden Forschungsorganisationen allgemein als privilegierte Organisationen genannt, die Einrichtungen des Kulturerbes werden aber spezifisch aufgeführt; auf die Schranke berufen können sich öffentlich zugängliche Bibliotheken, Museen, Archivdienste und Einrichtungen, die das filmische, audiovisuelle oder akustische Erbe wahren (Art. L122-5-3 II al. 1 CPI). Nach französischem Recht können die privilegierten Organisationen Private mit dem Durchführen von Text und Data Mining beauftragen, wenn die Zusammenarbeit keinen Gewinnzweck verfolgt (Art. L122-5-3 II al. 1 CPI).​²⁴⁴ Diese Möglichkeit entfällt allerdings, wenn ein Unternehmen, das Aktionär oder Gesellschafter der Organisation ist, die das Text und Data Mining durchführt, einen privilegierten Zugang zu den Ergebnissen hat (Art. L122-5-3 II al. 2 CPI). Mit dieser Einschränkung soll den Vereinbarungen zwischen Google und grossen Bibliotheken in Frankreich und den zahlreichen Forschungskooperationen zwischen Big Tech-Unternehmen und öffentlichen Forschungseinrichtungen Rechnung getragen werden.​²⁴⁵ Der französische Gesetzgeber wollte eine Freistellung von Text und Data Mining im Rahmen solcher Kooperationen ausdrücklich ausschliessen, weil ihm das Gleichgewicht zwischen den Forschungsinteressen und den Interessen der Inhaber von Urheberrechten gefährdet schien.​²⁴⁶ Wie Art. 3 DSM-RL erlaubt auch die französische Schranke die Aufbewahrung der Vervielfältigungen nach Abschluss des Text und Data Mining, sofern dies ausschliesslich für Zwecke der wissenschaftlichen Forschung erfolgt, einschliesslich für die Überprüfbarkeit von Forschungsergebnissen (Art. L122-5-3 II al. 3 CPI).

Die allgemeine Schranke für Text und Data Mining übernimmt im Wesentlichen die Vorgaben von Art. 4 DSM-RL. Die Regelung stellt Vervielfältigungen von Werken für das Text und Data Mining durch beliebige Organisationen zu beliebigen Zwecken frei, sofern der Urheber keinen Nutzungsvorbehalt angebracht hat (Art. L122-5-3 III CPI). Der Nutzungsvorbehalt muss nicht begründet werden und kann in jeder Form erfolgen.​²⁴⁷ Bei online zugänglichen Inhalten kann er durch maschinenlesbare Verfahren kommuniziert werden, bspw. in den Metadaten oder in den Nutzungsbedingungen.​²⁴⁸ Der Nutzungsvorbehalt soll dem Schutz der berechtigten Interessen der Rechteinhaber im Sinn des Dreistufentests dienen.​²⁴⁹ In der Lehre wird allerdings die grosse Rechtsunsicherheit bei der Umsetzung und Durchsetzung kritisiert.​²⁵⁰ Nach Abschluss des Text und Data Mining müssen die Vervielfältigungen vernichtet werden.​²⁵¹

Ob die allgemeine Schranke für das Text und Data Mining (Art. L122-5-3 III CPI) auf das Training von KI-Modellen anwendbar ist, ist umstritten.​²⁵² Zwar stellt die Bestimmung die Nutzung von Werken für das Text und Data Mining unabhängig von dessen Zweck frei. Nach einem Teil der französischen Lehre ist aber fraglich, ob damit auch die Entwicklung von KI-Modellen gemeint sein kann, zumal bei der Einführung der Bestimmung nicht absehbar gewesen sei, dass diese Modelle genutzt werden könnten, um Inhalte zu erstellen, welche die für das Training verwendeten Werke direkt konkurrenzieren.​²⁵³ Andere Autoren machen hingegen geltend, dass der EU-Gesetzgeber mit den Schranken für das Text und Data Mining die Entwicklung von KI-Modellen in Europa gegenüber der Konkurrenz in den USA und in China fördern wollte.​²⁵⁴ Der Begriff des Text und Data Mining erfasst nach dieser Auffassung alle Verfahren, die dazu dienen, Informationen aus Daten zu gewinnen, auch das Training von KI-Systemen.​²⁵⁵ Die französischen Verwertungsgesellschaften Société des auteurs, compositeurs et éditeurs de musique (SACEM) und Société des auteurs et compositeurs dramatiques (SACD)scheinen jedenfalls davon auszugehen, dass die Schranken für das Text und Data Mining auch die Verwendung von Werken für das Training von KI-Modellen erfasst, zumal sie nach einem Treffen ankündigten, den Nutzungsvorbehalt für die Werke in ihrem Repertoire geltend zu machen, um so eine unentgeltliche Nutzung der Werke für das KI-Training zu verhindern.​²⁵⁶

Beide Schranken für Text und Data Mining setzen einen rechtmässigen Zugang zu den Werken voraus. Diese Voraussetzung ist nach der Lehre erfüllt, wenn die Zustimmung des Rechteinhabers vorliegt. Diese wird angenommen, wenn das Werk erworben, ein Abonnement für eine Datenbank abgeschlossen oder das Werk Open Access zugänglich gemacht wurde.​²⁵⁷ Dasselbe soll gelten, wenn Daten von sozialen Netzwerken genutzt und die Nutzungsbedingungen eingehalten werden.​²⁵⁸ Nicht rechtmässig ist der Zugang, wenn er unter Verstoss gegen Bestimmungen des Straf- oder Wettbewerbsrechts erfolgt, etwa beim Eindringen in eine fremde Datenbank.​²⁵⁹

Der Syndicat national de l’édition (SNE), die Société des gens de lettres (SGDL) und der Syndicat national des auteurs et des compositeurs (SNAC) haben im März 2025 vor dem Pariser Gerichtshof gegen Meta geklagt. Sie werfen dem Konzern vor, urheberrechtlich geschützte Werke, darunter viele Bücher, ohne Genehmigung zum Training generativer KI-Modelle wie Llama genutzt zu haben.​²⁶⁰ Die Klageschrift ist zwar nicht öffentlich zugänglich, die Verwertungsgesellschaften haben aber in einer Pressemitteilung festgehalten, dass sie Urheberrechtsverletzungen sowie «parasitisme», also einen Verstoss gegen das französische Lauterkeitsrecht, geltend machen.​²⁶¹ Mit der Klage soll der Verbreitung von KI-generierten Büchern («faux livres») entgegengewirkt werden.​²⁶² Der Fall ist derzeit hängig; bisher wurden keine Verhandlungstermine bekannt gegeben.

Am 12. September 2023 haben acht Abgeordnete der Assemblée nationale einen Gesetzesentwurf eingereicht, der verschiedene Änderungen der bestehenden Regelung zur Nutzung von Werken durch KI-Systeme vorsieht.​²⁶³ Begründet wurde der Vorstoss damit, dass die exponentielle Entwicklung im Bereich der KI eine Bedrohung für das kreative Schaffen sei.​²⁶⁴ Die Änderungen sollten den Urheberinnen und Urhebern bei Werknutzungen im Zusammenhang mit KI einen besseren Schutz gewähren und eine Vergütung sicherstellen.

Kern des Vorstosses ist eine Bestimmung, die ausdrücklich festhält, dass die Nutzung von urheberrechtlich geschützten Werken für das Training von KI-Modellen nur mit Zustimmung der Rechteinhaber zulässig ist.​²⁶⁵ Zudem soll vorgesehen werden, dass Werke, die mit einem KI-System erstellt wurden, gekennzeichnet und die Urheber der dafür verwendeten Werke genannt werden müssen.​²⁶⁶ Darüber hinaus soll eine Vergütungspflicht eingeführt werden, die greift, wenn Werke durch ein KI-System auf der Grundlage von Werken erzeugt werden, deren Ursprung ungewiss ist. Diese Vergütung soll von der zuständigen Verwertungsgesellschaft erhoben und vom Unternehmen bezahlt werden, welches das entsprechende KI-System betreibt.​²⁶⁷

Der Vorschlag wurde allerdings als unrealistisch und als aus technischen Gründen nicht umsetzbar kritisiert.​²⁶⁸ Namentlich sei die Rückverfolgbarkeit der beim Training von KI-Modellen verwendeten Werke mangels Transparenz schwierig.​²⁶⁹ Zudem sei es wenig sinnvoll, in einzelnen Mitgliedstaaten der EU isolierte Regelungen zu erlassen, weil dies zu einer Zersplitterung der Rechtsordnungen und zu Rechtsunsicherheit führe.​²⁷⁰ Der Vorschlag wurde bisher nicht weiterverfolgt, und es haben, soweit ersichtlich, keine parlamentarischen Beratungen stattgefunden.

Das Vereinigte Königreich (UK) hat bereits 2014 mit Section 29A des Copyright, Designs and Patents Act 1988 (CDPA) eine Schranke für Vervielfältigungen für nichtkommerzielle computergestützte Analysen (computational analysis) von Werken eingeführt. Diese Bestimmung lehnt sich an die allgemeine Schranke für nichtkommerzielle Forschung an (s29 CDPA). Nach dem Austritt aus der EU wurden im UK keine Bemühungen mehr unternommen, die Vorgaben der DSM-RL ins nationale Urheberrecht umzusetzen.​²⁷¹

Die Schranke von s29A CDPA stellt Vervielfältigungen von Werken für die computergestützte Analyse der in diesen Werken enthaltenen Informationen («of anything recorded in the work») frei, wenn dies allein für den Zweck der nichtkommerziellen Forschung erfolgt. Voraussetzung ist ein rechtmässiger Zugang zu den Werken (s29A (1)(a) CDPA). Zudem muss die Quelle angegeben werden, wenn dies nicht aus praktischen Gründen unmöglich ist (s29A (1)(b) CDPA). Die im Rahmen dieser Schranke erstellten Vervielfältigungen eines Werks dürfen nicht zu anderen Zwecken verwendet (s29A (2)(b) CDPA) und nicht an andere weitergegeben (s29A (2)(a) CDPA), namentlich nicht zum Kauf oder zur Miete angeboten, werden (s29A (3) i.V.m. (4) CDPA). Vertragsbestimmungen, welche das Erstellen einer Kopie für die freigestellten Zwecke verhindern oder einschränken, sind ungültig (s29A (5) CDPA).

Der genaue Umfang der Schranke von s29A CDPA ist nicht geklärt. Soweit ersichtlich, wurde sie bisher noch nie von einem Gericht angewendet. In der jüngeren Literatur wird geltend gemacht, dass die Schranke den praktischen Anforderungen moderner datengetriebener Forschung nur begrenzt Rechnung trage. Kritisiert werden namentlich die Beschränkung auf die nichtkommerzielle Forschung, das Verbot der Weitergabe von im Rahmen der Schranke erstellten Kopien und die Unklarheiten im Zusammenhang mit dem Erfordernis des rechtmässigen Zugangs zu den genutzten Werken.​²⁷²

In der «National AI Strategy»​²⁷³ vom September 2021 wurde das Ziel formuliert, das UK innerhalb der nächsten zehn Jahre als führende Nation im Bereich der KI-Technologie zu etablieren. 2022 wurde im Rahmen einer Konsultation des UK Intellectual Property Office (UKIPO) die Einführung einer neuen Schranke für Text und Data Mining vorgeschlagen, welche die Nutzung von Werken zu allen Zwecken von Text und Data Mining erlauben sollte.​²⁷⁴ Diese Lösung würde nach Auffassung UKIPO die Entwicklung von KI und Innovation am stärksten fördern, weil das Text und Data Mining von urheberrechtlich geschützten Werken insgesamt erleichtert würde. Das UKIPO verwies dabei auf die Schranken für Text und Data Mining in Singapur, Japan und der EU sowie auf die Fair Use-Doktrin des US-amerikanischen Rechts, die sich seiner Ansicht nach positiv auf die Entwicklung von KI ausgewirkt haben.​²⁷⁵

Die vom UKIPO vorgeschlagene Schranke für Text und Data Mining sah keine Möglichkeit zur Erklärung eines Rechtevorbehalts vor und nahm den Rechteinhabern auch die Möglichkeit, Lizenzen für Text und Data Mining zu erteilen.​²⁷⁶ Dem Schutz der Rechteinhaber diente nur die Voraussetzung des rechtmässigen Zugangs zu den Werken.​²⁷⁷ Die Rechteinhaber hätten damit wählen können, auf welcher Plattform sie ihre Werke zur Verfügung stellen und ob sie diese bspw. nur gegen Entgelt zugänglich machen oder den Zugriff beschränken wollen.​²⁷⁸ Mit dem Verzicht auf einen Rechtevorbehalt ging der Vorschlag bewusst über die Vorgaben von Art. 4 DSM-RL​²⁷⁹ hinaus. Die durch den Brexit gewonnenen Spielräume sollten genutzt werden, um bei Text und Data Mining einen Standortvorteil zu schaffen.​²⁸⁰ Neben dem vom UKIPO bevorzugten Vorschlag für eine neue Schranke stellte das Amt weitere Optionen zur Diskussion, namentlich den Verzicht auf eine Änderung der bestehenden Regelung, einen Ausbau der Lizenzierung für Text und Data Mining und eine Anpassung der bestehenden Schranke.​²⁸¹ Für diese dritte Option wurden unter anderem eine Ausdehnung der Regelung in s29A CDPA auf kommerzielle Forschung, die Einführung einer neuen Schranke für alle Zwecke von Text und Data Mining mit einem Rechtevorbehalt und alternativ eine entsprechende Regelung ohne Rechtevorbehalt vorgeschlagen.​²⁸²

Der Vorschlag für eine neue Schranke für Text und Data Mining wurde in der öffentlichen Debatte stark kritisiert.​²⁸³ Namentlich wurde vorgebracht, dass die potenziellen Auswirkungen auf die Kreativwirtschaft unzureichend berücksichtig worden seien, weshalb das UKIPO aufgefordert wurde, den Vorschlag nicht weiterzuverfolgen und stattdessen eine Regulierungsfolgenabschätzung durchzuführen.​²⁸⁴ In der rechtswissenschaftlichen Literatur wurde zudem geltend gemacht, dass die Gegenüberstellung eines Opt-out- und eines Opt-in-Modells die praktischen Auswirkungen der unterschiedlichen Regelungsansätze nur unvollständig abbilde, insb. mit Blick auf bestehende Marktkonzentrationen und die technische Umsetzbarkeit von Rechtevorbehalten.​²⁸⁵ Wegen der Kritik der Kreativwirtschaft wurde der Vorschlag für eine neue Schranke für Text und Data Mining nicht weiterverfolgt.​²⁸⁶ Im Dezember 2024 publizierte das UKIPO eine weitere Konsultation zu Copyright and Artificial Intelligence, die drei Ziele für eine künftige Regelung formulierte: (i) die Unterstützung der Rechteinhaber bei der Durchsetzung ihrer Rechte; (ii) die Förderung der Entwicklung führender KI-Modelle im UK; und (iii) die Stärkung von Vertrauen und Transparenz.​²⁸⁷ In der Konsultation sprach sich das UKIPO für die Einführung einer neuen Schranke aus, die für alle Zwecke von Text und Data Mining – insb. auch für kommerzielle Nutzungen – gelten soll, den Rechteinhabern aber die Möglichkeit belässt, einen Rechtevorbehalt zu erklären.​²⁸⁸ Nach Auffassung des UKIPO trägt diese Option den Interessen der Rechteinhaber und der Entwickler von KI-Modellen am besten Rechnung. Zudem sollen Transparenzpflichten für KI-Entwickler eingeführt werden, insb. in Bezug auf die Offenlegung der für das Training von KI-Modellen verwendeten Inhalte.​²⁸⁹

Die vorgeschlagene Schranke entspricht im Wesentlichen der Regelung in Art. 4 DSM-RL. Wie sich in der EU gezeigt hat, ist die praktische Umsetzung von Rechtevorbehalten aber mit Herausforderungen verbunden.​²⁹⁰ Das UKIPO verweist auf die heute bestehenden Möglichkeiten zur technischen Ausgestaltung und nennt namentlich den bereits weit verbreiteten robots.txt-Standard, die Möglichkeit der Verknüpfung von Werken mit Metadaten und das «Do Not Train»-Register von Spawing.AI.​²⁹¹ Als problematisch erscheint dem UKIPO, dass der robots.txt-Standard keine detaillierte Kontrolle der Werknutzung erlaubt.​²⁹² Denn der Standard ermöglicht zwar den Hinweis, dass das Webcrawling auf einer ganzen Website unerwünscht sei, erlaubt aber weder eine granulare Information auf Ebene einzelner Werke noch eine Differenzierung nach Nutzungsarten, etwa wenn ein Rechteinhaber das Webcrawling für die Indexierung in Suchmaschinen zulassen möchte, nicht aber für Anwendungen seiner Werke für generative KI.​²⁹³ Vor diesem Hintergrund betont das UKIPO die Bedeutung der Entwicklung einheitlicher technischer Standards, die es Rechteinhabern ermöglichen, ihre Rechte wirksam vorzubehalten, und KI-Entwicklern, die Vorbehalte zuverlässig zu berücksichtigen.​²⁹⁴

Die Konsultation zu Copyright and Artificial Intelligence lief bis zum 25. Februar 2025,​²⁹⁵ das Feedback wird derzeit analysiert.​²⁹⁶ Der Bericht und das Ergebnis der Regulierungsfolgenabschätzung sollen bis zum 18. März 2026 publiziert werden.​²⁹⁷ Einstweilen hat die Regierung angekündigt, dass Expertengruppen mit Vertreterinnen und Vertretern der Kreativindustrie und der KI-Branche gebildet werden sollen, um gemeinsam praktikable Lösungen zu entwickeln, die Innovation fördern und die Rechte von Urheberinnen und Urhebern schützen.​²⁹⁸ Ein konkreter Gesetzesvorschlag liegt aber noch nicht vor.

Zeitlich parallel zu dieser Konsultation wurde auch das Parlament aktiv. Am 6. Februar 2025 wurde die Data (Use and Access) Bill im House of Commons eingebracht. Im Verlauf der Beratungen wurden insb. im House of Lords verschiedene Vorschläge für Transparenz- und Informationspflichten bei der Nutzung urheberrechtlich geschützter Werke beim Training von KI-Modellen diskutiert.​²⁹⁹ Damit griffen die Vorschläge zentrale Fragestellungen der laufenden Konsultation auf, ohne deren Ergebnisse vorwegzunehmen. Der Data (Use and Access) Act wurde am 19. Juni 2025 angenommen.​³⁰⁰ In der endgültigen Fassung sind keine weitergehenden Transparenzpflichten vorgesehen. Stattdessen verpflichtet das Gesetz die Regierung, innerhalb von neun Monaten nach Inkrafttreten einen Bericht über die Nutzung urheberrechtlich geschützter Werke bei der Entwicklung von KI-Modellen und eine Abschätzung der wirtschaftlichen Folgen der gesetzgeberischen Optionen vorzulegen.​³⁰¹

Am 9. Juni 2025 eröffnete der High Court of Justice (EWHC) das Verfahren zwischen Getty Images und Stability AI.​³⁰² Getty Images machte geltend, dass das Trainieren und Entwickeln des KI-Modells Stable Diffusion massenhaft ihre Urheberrechte verletze.​³⁰³ Einerseits behauptete Getty, dass geschützte Werke für das Training und die Entwicklung von Stable Diffusion auf Server und Computer im UK heruntergeladen und verarbeitet worden seien (Training and Development Claim), was eine direkte Urheberrechtsverletzung (primary infringement) sei. Zudem liege eine sekundäre Urheberrechtsverletzung (secondary infringement) vor, weil die trainierte Software als Gegenstand («article») im Sinn von s22 CDPA einzustufen sei, und ihr Import in das UK eine Rechtsverletzung darstelle (Secondary Infringement Claim). Als dritten Klagepunkt machte die Klägerin geltend, dass von Nutzern im UK generierte Ausgabe-Bilder (Outputs) ihr Urheberrecht verletzten (Outputs Claim).​³⁰⁴ Neben den urheberrechtlichen Ansprüchen erhob Getty Images auch Klage wegen einer Verletzung von Datenbankrechten (Database Rights Claim) und Markenrechten (Trade Mark Infringement Claim).​³⁰⁵

In diesem Verfahren war unbestritten, dass Werke für das Training und die Entwicklung von Stable Diffusion vervielfältigt worden waren.​³⁰⁶ Umstritten war aber, ob die rechtlich relevanten Vervielfältigungen im UK erfolgt waren.​³⁰⁷ Zwar ist Stability AI im UK registriert, das Training soll nach den Angaben von Stability AI aber ausschliesslich auf Servern in den USA stattgefunden haben.​³⁰⁸

Am 4. November 2025 veröffentlichte der High Court sein Urteil. Nachdem Getty Images anerkannt hatte, dass keine Anhaltspunkte dafür bestanden, dass Trainingstätigkeiten von Stability AI im UK stattgefunden haben, liess die Klägerin den Training and Development Claim fallen.​³⁰⁹ Mit dem Outputs Claim wollte Getty Images erreichen, dass bestimmte, als urheberrechtsverletzend beanstandete Ausgaben des Modells von Stability AI – konkret jene Beispielbilder, die im Prozess als Beweismittel vorgelegt worden waren – nicht mehr erzeugt werden können. Diese Bilder liessen sich jedoch nur durch die Eingabe bestimmter Prompts generieren, die inzwischen durch Stability AI blockiert worden waren, sodass das Modell nicht mehr in der Lage war, die beanstandeten Ausgaben zu erzeugen. Der Outputs Claim war damit gegenstandslos geworden und wurde nicht weiterverfolgt. Aufgrund des engen Zusammenhangs mit dem Training and Development Claim und dem Outputs Claim konnte auch der Anspruch einer Verletzung von Datenbankrechten (Database Rights Claim) nicht weiterverfolgt werden.​³¹⁰ Bei der geltend gemachten Verletzung von Markenrechten (Trade Mark Infringement Claim) war die Klägerin teilweise erfolgreich.​³¹¹

Der einzig verbleibende urheberrechtlich relevante Klagepunkt war damit der Vorwurf einer sekundären Urheberrechtsverletzung (Secondary Infringement Claim). Der High Court stellte fest, dass Stable Diffusion keine Kopien der geschützten Werke enthalte und daher nicht als «infringing copy» qualifiziert werden könne.​³¹² Ebenso lehnte das Gericht ein weites Verständnis des Begriffs «article» ab, nach dem auch ein immaterielles KI-Modell aufgrund seines Trainings als rechtsverletzender Gegenstand einzustufen wäre.​³¹³ Da dieses zentrale Element nicht erfüllt war, scheiterte der Secondary Infringement Claim.​³¹⁴

Der Entscheid des High Court ist erstinstanzlich und berufungsfähig. Auf Antrag von Getty Images hat der High Court die Zulassung zur Berufung erteilt und es ist anzunehmen, dass Getty Berufung einlegen wird.

Der US-amerikanische Gesetzgeber hat bisher keine spezifische Bestimmung zu KI und Urheberrecht erlassen. Das U.S. Copyright Office hat aber 2024 und 2025 zwei viel beachtete Berichte zu AI und Copyright veröffentlicht. Der erste Bericht​³¹⁵ befasst sich mit digital replicas von Personen,​³¹⁶ der zweite mit dem urheberrechtlichen Schutz des Outputs von KI-Systemen.​³¹⁷ Ein dritter Bericht, der noch nicht publiziert wurde, konzentriert sich auf die Rechtsfragen beim Training von KI-Modellen. Eine Pre-Publication-Version des Berichts ist auf der Website des U.S. Copyright Office abrufbar.​³¹⁸ Aus dieser ergibt sich, dass mehrere Vorgänge bei der Entwicklung und Nutzung von KI-Modellen – etwa das Sammeln und Aufbereiten der Trainingsdaten, das eigentliche Training des Modells und die Generierung von Output – aus Sicht des Copyright Office als prima facie-Urheberrechtsverletzung qualifiziert werden können, insb. als Eingriff in das Vervielfältigungsrecht.​³¹⁹

In den USA wurden in den letzten Jahren mehrere Vorschläge für gesetzliche Regelungen zu KI und Urheberrecht vorgelegt.​³²⁰ Nach der Aufhebung der von Präsident Biden erlassenen Executive Order 14110 on Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence​³²¹ am 20. Januar 2025 durch Präsident Trump​³²² ist allerdings nicht zu erwarten, dass diese Vorschläge in nächster Zeit weiterverfolgt werden.

In den USA sind derzeit 65 Klagen zu Fragen an der Schnittstelle von Urheberrecht und KI hängig. Mehrere betreffen das Training von KI-Modellen.​³²³ Kernpunkt ist dabei die Frage, ob und unter welchen Voraussetzungen die Nutzung von urheberrechtlich geschützten Werken beim Training von KI-Modellen als Fair Use im Sinn von U.S. Copyright Act, 17 U.S.C. § 107 qualifiziert werden kann.

Die Fair Use-Schranke ist eine sog. affirmative defense, also eine rechtliche Einwendung, bei welcher der Beklagte Tatsachen behauptet, die zur Abweisung der Klage führen. Kann der Rechteinhaber eine prima facie-Urheberrechtsverletzung nachweisen, muss der Beklagte die Voraussetzungen für das Vorliegen von Fair Use beweisen.​³²⁴ Der Kläger muss lediglich nachweisen, dass er Inhaber der Urheberrechte ist und dass wesentliche Teile des Werkes übernommen wurden;​³²⁵ das ist der Fall, wenn das Verletzungsobjekt im Wesentlichen gleichartige Züge aufweist (substantial similarity) wie das geschützte Werk.​³²⁶ Verlangt ist zudem eine tatsächliche Übernahme des geschützten Werkes (actual copying).​³²⁷ Eine solche liegt vor, wenn der Beklagte das fremde Werk tatsächlich genutzt hat, um sein eigenes Werk zu schaffen.​³²⁸ Die tatsächliche Übernahme kann direkt oder indirekt bewiesen werden. Der direkte Beweis erfordert den Nachweis der tatsächlichen Nutzung; beim indirekten Beweis reicht der Nachweis, dass der Beklagte Zugang zum geschützten Werk hatte und etwas Ähnliches geschaffen hat (probative similarity).​³²⁹ Bei den Anforderungen an die Ähnlichkeit wird differenziert: Weist ein Werk nur wenige schutzfähige Elemente auf und hat es damit einen eher kleinen Schutzbereich (thin copyright), so muss die Ähnlichkeit sehr hoch, das Verletzungsobjekt also praktisch identisch sein (virtually identical).​³³⁰ Hat das Werk hingegen einen grossen Schutzbereich (thick copyright), so sind die Anforderungen an die Ähnlichkeit tiefer und es genügt, dass das Verletzungsobjekt im Wesentlichen gleichartige Züge (substantial similarity) aufweist.​³³¹

Liegt eine prima facie-Urheberrechtsverletzung vor, so ist zu prüfen, ob die Voraussetzungen für Fair Use erfüllt sind. Das ist nach vier Faktoren zu beurteilen (four factor test): (1) Zweck und Art der Nutzung; (2) Art des urheberrechtlich geschützten Werkes; (3) Menge und Wesentlichkeit des verwendeten Teils im Verhältnis zum gesamten geschützten Werk; und (4) Auswirkungen der Nutzung auf den potenziellen Markt oder den Wert des geschützten Werkes.​³³² Dabei kommt dem ersten Faktor besonderes Gewicht zu.​³³³ Bei dessen Bewertung sind verschiedene Aspekte (subfactors) zu berücksichtigen,​³³⁴ namentlich (i) der kommerzielle Charakter der Handlung, (ii) der transformative oder produktive Charakter der Handlung, (iii) die Motive des Verletzers und (iv) das Vorliegen einer Zwecksetzung, die in der Präambel von Section 107 des Copyright Act erwähnt wird.​³³⁵ Die US-amerikanische Lehre ist sich weitgehend einig, dass es bei der Beurteilung der Nutzung von Werken beim Training von KI-Modellen entscheidend ist, ob diese Nutzung als transformative qualifiziert wird.​³³⁶ Nach der Rechtsprechung des U.S. Supreme Court kann diese Voraussetzung erfüllt sein, wenn das verwendete Werk umgestaltet wird oder die Nutzung einem völlig anderen, gesellschaftlich wertvollen Zweck dient.​³³⁷ Dienen die ursprüngliche Nutzung und die Zweitnutzung dem gleichen oder einem ähnlichen Zweck und hat die Zweitnutzung kommerziellen Charakter, so spricht der erste Faktor eher gegen das Vorliegen von Fair Use.​³³⁸

Das erste Urteil zum Training von KI-Modellen hat der U.S. District Court for the District of Delaware gefällt. In seinem Entscheid vom 11. Februar 2025 «Thomson Reuters v. Ross Intelligence»​³³⁹ hatte das Gericht die Frage zu entscheiden, ob die Nutzung urheberrechtlich geschützter Werke aus der Datenbank von Westlaw für das Training eines KI-gestützten juristischen Recherchetools als Fair Use zu qualifizieren ist. Um seine KI zu trainieren, erwarb Ross rund 25'000 Bulk Memos von LegalEase und nutzte diese als Trainingsdaten. Bei den Bulk Memos handelte es sich um von Anwälten erstellte Rechtsfragen mit dazugehörigen guten und schlechten Antworten. LegalEase hatte die Anwälte angewiesen, die Bulk Memos mithilfe der Headnotes von Westlaw zu erstellen, in welchen die Kernpunkte von Gerichtsentscheiden zusammengefasst werden. Das Gericht bejahte eine prima facie-Urheberrechtsverletzung, weil die von Ross erworbenen Bulk Memos den Headnotes von Westlaw im Wesentlichen ähnlich (substantial similarity) waren. Zudem hatte LegalEase Zugang zu den Werken von Reuters, was das Gericht als Indizienbeweis (circumstantial evidence) für die Vervielfältigung der Werke von Reuters genügen liess.​³⁴⁰ Bei der Prüfung des Fair Use verneinte das Gericht eine transformative Nutzung, weil der Dienst von Ross denselben Zweck wie der von der Klägerin betriebene Dienst von Westlaw habe, nämlich das Zugänglichmachen juristischer Informationen. Die Nutzung der Werke durch Ross diene weder einem weitergehenden Zweck noch habe sie einen anderen Charakter («further purpose or different character»). Vielmehr entwickle die Beklagte mithilfe der Werke der Klägerin ein konkurrierendes Produkt, das kommerziellen Zwecken diene, womit keine transformative Nutzung vorliege.​³⁴¹ Ross argumentierte, dass die kopierten Headnotes nicht im Endprodukt enthalten seien. Die Nutzung erfolge lediglich in einem Zwischenschritt, bei dem die Headnotes in numerische Daten umgewandelt würden, um das KI-Modell zu trainieren.​³⁴² Das Gericht räumte zwar ein, dass ein solches «Zwischenkopieren» (intermediate copying) in früheren Fällen​³⁴³ als transformative qualifiziert und als Fair Use zugelassen wurde. Diese Fälle betrafen allerdings das Kopieren von Source Code.​³⁴⁴ Entscheidend war dabei, dass die Vervielfältigungen des Source Code für die innovative Tätigkeit der Beklagten notwendig war. Das war hier nicht der Fall.​³⁴⁵

Der zweite und der dritte Entscheid zum Training von KI-Modellen stammen vom U.S. District Court for the Northern District of California. In «Bartz v. Anthropic»​³⁴⁶ und in «Kadrey v. Meta»​³⁴⁷ klagten verschiedene Rechteinhaber wegen der Nutzung ihrer Werke beim Training von generativen KI-Modellen. In «Bartz v. Anthropic» war zum einen die Verwendung von Büchern zu beurteilen, welche die Beklagte rechtmässig erworben und nach Entfernung des Einbandes eingescannt hatte. Zum anderen machte die Klägerin geltend, die Beklagte habe digitale Versionen von Werken aus illegalen Quellen heruntergeladen und gespeichert. Alle diese Daten nutzte die Beklagte für den Aufbau einer «zentralen Bibliothek», die sie für das Training ihrer LLMs verwendete.​³⁴⁸ Mit Summary Judgement vom 23. Juni 2025 fällte das Gericht einen Teilentscheid zum Vorliegen von Fair Use.​³⁴⁹ Es qualifizierte die Verwendung von Werken für das Training von KI-Modellen als «exceedingly transformative».​³⁵⁰ Bei den verwendeten Daten differenzierte das Gericht: Das Einscannen und Speichern der rechtmässig erworbenen Bücher und die Verwendung der Texte für das Training der KI-Modelle qualifizierte es als Fair Use. Anders entschied es hinsichtlich der rechtswidrig beschafften digitalen Kopien,​³⁵¹ weil das Beschaffen von Inhalten zum Aufbau einer «zentralen Bibliothek» und das Speichern dieser Kopien für ein späteres Training eines KI-Modells eine eigenständige Nutzungshandlung sei, die nicht als transformativ gelten könne.​³⁵²

In «Kadrey v. Meta» hatte das Gericht die Nutzung von Werken zu beurteilen, die Meta aus sog. «Schattenbibliotheken» (shadow libraries) bezogen hatte. Dabei handelt es sich um Online-Archive, die Bücher, Zeitschriftenartikel, Filme und weitere Werke ungeachtet des urheberrechtlichen Schutzes und ohne Zustimmung der Rechteinhaber kostenlos zum Download anbieten.​³⁵³ Am 25. Juni 2025 entschied das Gericht wiederum in Form eines Partial Summary Judgement und bejahte das Vorliegen von Fair Use. Wie in «Bartz v. Anthropic» bewertete es die Nutzung von Werken beim Training von KI-Systemen als «highly transformative».​³⁵⁴ Im Vordergrund standen die Erwägungen zum vierten Faktor, der Auswirkung der Nutzung auf den potenziellen Markt oder Wert des urheberrechtlich geschützten Werkes. Das Gericht hielt namentlich fest, dass die technischen Massnahmen im LLM der Beklagten die Reproduktion von Trainingsdaten verhindere und dass ein potenzieller, schutzwürdiger Lizenzmarkt für KI-Training nicht erkennbar sei.​³⁵⁵ Damit fehle es an Belegen für indirekte wirtschaftliche Schäden der Kläger.

In beiden Entscheiden konzentrierte sich der U.S. District Court for the Northern District of California auf die Anwendbarkeit der Fair-Use-Schranke. Ob die Nutzung von Werken beim Training von KI-Modellen zu einer Memorisierung der Werke im trainierten Modell​³⁵⁶ führe, liess das Gericht jeweils mit der Begründung offen, dass dies an der rechtlichen Bewertung nichts ändere, weil die Nutzung der Werke auch in diesem Fall transformative sei.​³⁵⁷

Der Blick auf das europäische, deutsche, französische, britische und US-amerikanische Recht hat gezeigt, dass die urheberrechtliche Beurteilung der Nutzung von Werken beim Training von KI-Modellen in allen diesen Rechtsordnungen intensiv und kontrovers diskutiert wird.

Die gesetzliche Regelung ist in Deutschland und Frankreich aufgrund der Harmonisierung durch die DSM-RL weitgehend deckungsgleich. Das britische Recht sieht für computergestützte Analysen von Werken für Zwecke der nichtkommerziellen Forschung eine Schranke vor, die derjenigen für Text und Data Mining für Zwecke der wissenschaftlichem Forschung in Deutschland und Frankreich entspricht, es kennt aber keine allgemeine Schranke für Text und Data Mining, auf die sich kommerzielle Unternehmen stützen könnten. Ob diese Regelungen in den nächsten Jahren revidiert werden, ist derzeit offen. Zumindest im UK ist wohl mit einer Revision zu rechnen, die möglicherweise eine weitere Annäherung an die Vorgaben des EU-Rechts bringen wird. Einen anderen Ansatz verfolgt das US-amerikanische Urheberrecht, das keine besondere Regelung für Text und Data Mining kennt und die Herausforderungen beim Training von KI-Modellen durch Anwendung der Fair-Use-Schranke bewältigen muss.

Die ersten Gerichtsentscheide in Deutschland, im UK und in den USA gelangen zu teilweise grundlegend anderen Erkenntnissen. Bemerkenswert ist namentlich, dass der britische High Court of Justice in Getty vs. Stability AI feststellte, dass das KI-Modell Stable Diffusion keine Kopien der geschützten Werke enthalte und daher nicht als «infringing copy» qualifiziert werden könne,​³⁵⁸ während das Landgericht München I zum Schluss kam, dass die beim Training verwendeten Werke in den Sprachmodellen von OpenAI vervielfältigt werden.​³⁵⁹ Die Gerichte in den USA gehen in ersten Entscheiden zwar davon aus, dass die Nutzung von Werken für das Training von KI-Modellen «transformative» sei und als Fair Use qualifiziert werden könne, verneinen diesen aber, wenn das Training dazu dient, ein konkurrierendes Produkt zu entwickeln.​³⁶⁰ Angesichts der zahlreichen hängigen Klagen wird sich im US-amerikanischen Recht wohl bald ein deutlicheres Bild ergeben. Das gilt auch für das europäische Recht, zumal der EuGH in der Rechtssache C-250/25, «Like Company v. Google Ireland», voraussichtlich klären wird, ob die Nutzung von Werken für das Training von KI-Modellen als Text und Data Mining qualifiziert und von den entsprechenden Schranken freigestellt werden kann.

Während sich in Europa bei der gesetzlichen Regelung ein recht einheitliches Bild zeigt, lässt sich in den ersten Gerichtsentscheiden in Europa und den USA noch kein klarer Trend erkennen. Aus der Rechtsprechung ergeben sich für den Schweizer Gesetzgeber damit keine klaren Orientierungspunkte. Sinnvoll erscheint aber eine Orientierung an der gesetzlichen Regelung in Deutschland, Frankreich und im UK.

Das schweizerische Urheberrecht kennt weder eine Schranke für Text und Data Mining noch eine Schranke für die Nutzung von Werken beim Training von KI-Modellen. Wie das deutsche, französische und britische sieht aber auch das schweizerische Recht eine Schranke für die Verwendung von Werken zum Zweck der wissenschaftlichen Forschung vor, welche die Vervielfältigung von Werken freistellt, wenn diese durch die Anwendung eines technischen Verfahrens bedingt sind und zu den zu vervielfältigenden Werken ein rechtmässiger Zugang besteht (Art. 24d URG). Diese Schranke orientiert sich an der Regelung in Art. 4 DSM-RL, geht aber bewusst weiter und ist nicht auf Text und Data Mining beschränkt.​³⁶¹

Vor diesem Hintergrund wird auch in der Schweiz intensiv diskutiert, wie die Nutzung von urheberrechtlich geschützten Werken beim Training von KI-Modellen zu beurteilen ist.​³⁶² Im Zentrum stehen zwei Fragen: Weitgehend einig ist sich die Lehre, dass die Nutzung von Werken beim Training von KI-Modellen eine urheberrechtlich relevante Handlung ist, weil die Werke zumindest beim Erstellen der Trainingsdatensätze in einer Datenbank gespeichert werden. Umstritten ist hingegen, ob die Nutzung beim Training zu einer Vervielfältigung der Werke in den trainierten KI-Modellen führt.​³⁶³ Vereinzelt wird zudem vertreten, dass die Kuratierung der Daten vor dem Training eine urheberrechtlich relevante Änderung sei​³⁶⁴ und dass die Werke in den trainierten Modellen zugänglich gemacht werden.​³⁶⁵ Da beim Training von KI-Modellen urheberrechtlich relevante Handlungen vorgenommen werden, stellt sich die Frage, ob diese Nutzungen von einer (oder mehreren) Schranke(n), insb. von der Schranke des internen Gebrauchs (Art. 19 Abs. 1 lic. C URG) oder von der Wissenschaftsschranke (Art. 24d URG), freigestellt werden.

In der Folge wird der Stand der Diskussion in der Schweiz zusammengefasst. Der Fokus liegt dabei auf den beiden zentralen Fragen, dem Vorliegen einer Vervielfältigung und der Anwendung der Wissenschaftsschranke.

Bevor Werke für das Training von KI-Modellen verwendet werden können, müssen sie gesammelt und in einer Datenbank gespeichert werden. In der Regel werden die Daten vor dem Speichern zudem kuratiert und normalisiert.​³⁶⁶ Die Speicherung erfolgt dabei nicht nur vorübergehend, sondern während längerer Zeit oder gar dauerhaft.​³⁶⁷ Es ist unbestritten, dass diese Speicherung als Vervielfältigung der Werke zu qualifizieren ist.​³⁶⁸

Ob im Trainingsprozess Werke vervielfältigt werden, ist umstritten. Allgemein anerkannt ist, dass nicht jeder Umgang mit urheberrechtlich geschützten Werken eine Verwendung im Sinn von Art. 10 URG ist.​³⁶⁹ Nicht erfasst ist namentlich der Werkgenuss, also die blosse Wahrnehmung von Werken mit den menschlichen Sinnen durch das Lesen, Hören oder Ansehen von Werken.​³⁷⁰ Vor diesem Hintergrund werden in der Lehre im Wesentlichen zwei Meinungen vertreten:

Ein Teil der Lehre geht davon aus, dass es beim Training zu technischen Vervielfältigungen der Trainingsdaten komme, bei denen jeweils unkörperliche Kopien entstehen.​³⁷¹ Diese zielten zwar nicht unmittelbar auf den Werkkonsum ab, ein solcher wäre aber an sich möglich, weshalb die Kopien als Vervielfältigungen im Sinn des Urheberrechts einzustufen seien.​³⁷² Zum gleichen Schluss kommen andere Autorinnen und Autoren aufgrund einer weiten Auslegung des Vervielfältigungsrechts.​³⁷³ Sie argumentieren mit Sinn und Zweck des Urheberrechts: Die Speicherungen und Kopien beim Trainingsvorgang seien mittelbar auf die Wahrnehmung von Werken, insb. auf die Vermittlung der Inhalte, ausgerichtet. Durch einen geeigneten Prompt könne bspw. der Stil einer Künstlerin massenweise auf neue Motive angewendet werden.​³⁷⁴ Dadurch würden Künstlerinnen und Künstler langfristig die Anreize für das Werkschaffen genommen, ihr Ruf genutzt, die wirtschaftlichen Verwertungsmöglichkeiten beschränkt und Originalinhalte verdrängt, was den Grundsätzen des Urheberrechts widerspreche.​³⁷⁵

Ein anderer Teil der Lehre vertritt die Auffassung, dass im Trainingsprozess keine urheberrechtlich relevanten Handlungen vorgenommen werden, weil kein Werkgenuss ermöglicht werde.​³⁷⁶ Nicht jeder Vorgang, bei dem es sich rein technisch betrachtet um eine Vervielfältigung handle, sei auch als Vervielfältigung im Sinn des Urheberrechts zu qualifizieren.​³⁷⁷ Die Vervielfältigungen, die bei der Verwendung eines Trainingsdatensatzes anfielen, dienten weder unmittelbar noch mittelbar der menschlichen Wahrnehmung und eigneten sich auch nicht dazu, eine solche zu ermöglichen.​³⁷⁸ So seien die Werke während des Trainingsprozesses nicht in einer Form vorhanden, die für die menschliche Wahrnehmung geeignet sei; vielmehr werden die Werke (bzw. Teile davon) zu Datenpunkten einer statistischen Erhebung gemacht. Dabei wird betont, dass es gerade nicht Ziel des Trainings eines KI-Modells sei, den Konsum von Werken durch Dritte zu ermöglichen.​³⁷⁹

Darüber hinaus wird vertreten, dass die Nutzung von Werken beim Training als freier Werkgenuss zu verstehen sei. Dieser Standpunkt beruht auf einem Analogieschluss zum menschlichen Werkkonsum. Das Training von Sprachmodellen sei mit dem Lernen des menschlichen Gehirns vergleichbar, das ebenfalls zuerst Texte lesen müsse, bevor es selbst Texte verfassen könne. Allerdings sei beim maschinellen Lernen anders als bei Menschen eine technische Vervielfältigung der Trainingsdaten erforderlich.​³⁸⁰

Teilweise wird darauf hingewiesen, dass die Qualifikation der technischen Vervielfältigung als Vervielfältigung im urheberrechtlichen Sinn weitreichende Konsequenzen hätte, weil das Trainieren von KI-Modellen nur noch möglich wäre, wenn eine unüberschaubare Vielzahl von Rechteinhabern identifiziert und kontaktiert werden könnte und diese die Zustimmung zur Nutzung ihrer Werke erteilen würden. Das wäre mit sehr hohen Transaktionskosten verbunden und wegen der sehr grossen Menge an Werken, die für das Trainieren von KI-Modellen benötigt wird, in der Praxis nahezu unmöglich.​³⁸¹

Bisher haben sich nur wenige Autoren mit der Frage befasst, ob die beim Training verwendeten Werke im trainierten Modell repräsentiert oder gar enthalten sind und ob das trainierte Modell damit Vervielfältigungen der Werke im urheberrechtlichen Sinn enthält. Die Autoren kommen dabei alle zum Schluss, dass die Werke im trainierten Modell nicht mehr repräsentiert seien und damit keine Vervielfältigungen vorliegen.​³⁸² Jedenfalls seien die Werke im trainierten Modell nicht mehr in einer Form enthalten, die in den Schutzbereich der Originalwerke falle.​³⁸³ Sobald die Werke «tokenisiert» und nur noch die Tokens und die Wahrscheinlichkeiten ihrer Verknüpfung gespeichert seien, liege keine Vervielfältigung mehr vor.​³⁸⁴ Die Werke seien damit nicht mehr «als solche» im trainierten Modell vorhanden.​³⁸⁵ Eine gegenteilige Auffassung wurde für das Schweizer Recht – soweit ersichtlich – bisher nicht vertreten.​³⁸⁶

Geht man davon aus, dass Werke im Trainingsprozess und allenfalls auch im trainierten Modell vervielfältigt werden, stellt sich die Frage, ob diese Vervielfältigungen als vorübergehende und damit nach Art. 24a URG zulässige Vervielfältigungen zu qualifizieren sind.​³⁸⁷

Ebenso klar wie unbestritten ist, dass die Vervielfältigungen, die beim Erstellen der Trainingsdatensätze anfallen, nicht als vorübergehende Vervielfältigungen angesehen werden können.​³⁸⁸ Unklar ist nach dem gegenwärtigen Stand der Diskussion dagegen, ob die beim Trainingsprozess und/oder im trainierten Modell erstellten Vervielfältigungen als vorübergehende Vervielfältigungen zu qualifizieren sind. Denn die Lehre hat es bisher unterlassen, die beiden Fragestellungen hinreichend klar auseinanderzuhalten, sodass oft unklar bleibt, welcher Vorgang beurteilt wird und wie das Ergebnis zu verstehen ist. Die nachfolgende Darstellung der Lehrmeinungen ist deshalb mit einer gewissen Vorsicht zur Kenntnis zu nehmen.

Als vorübergehend und damit zulässig gelten Vervielfältigungen, wenn sie (i) flüchtig oder begleitend sind, (ii) einen integralen und wesentlichen Teil eines technischen Verfahrens darstellen, (iii) ausschliesslich der Übertragung in einem Netz zwischen Dritten durch einen Vermittler oder einer rechtmässigen Nutzung dienen und (iv) keine eigenständige wirtschaftliche Bedeutung haben. Eine Vervielfältigung ist flüchtig, wenn sie besonders kurzlebig ist, und begleitend, wenn sie lediglich der Erleichterung eines anderen Nutzungsvorgangs dient.​³⁸⁹ Bei der Anwendung dieser Tatbestandsmerkmale auf das Training von KI-Modellen sind sich die Autorinnen und Autoren uneinig. Ein Teil der Lehre verneint den flüchtigen und begleitenden Charakter generell,​³⁹⁰ ein anderer Teil ist der Ansicht, dass diese Vervielfältigungen durchaus als flüchtig oder begleitend gelten können.​³⁹¹ Einigkeit besteht bei der zweiten Voraussetzung. Dass die Kopien einen integralen und wesentlichen Teil eines technischen Verfahrens darstellen ist unbestritten, zumal die technischen Abläufe beim Training ohne Kopien der Werke nicht möglich wären.​³⁹² Bei der dritten Voraussetzung ist fraglich, ob die Vervielfältigung einer rechtmässigen Nutzung dient. Eine solche liegt vor, wenn der Rechteinhaber der Nutzung zugestimmt hat oder die Nutzung von einer Schranke freigestellt wird.​³⁹³ Die Beurteilung dieser Voraussetzung wird allerdings meist offengelassen.​³⁹⁴ Die vierte Voraussetzung sieht vor, dass den Kopien keine eigenständige wirtschaftliche Bedeutung zukommen darf. Diese Voraussetzung ist nach einem Teil der Lehre nicht erfüllt, weil den Vervielfältigungen regelmässig eine wesentliche wirtschaftliche Bedeutung zukomme.​³⁹⁵ Gegen die Qualifikation als vorübergehende Vervielfältigung spreche auch eine historische Auslegung:​³⁹⁶ Denn bei der Einführung der Wissenschaftsschranke sei angenommen worden, dass die Vorgänge beim Text und Data Mining nicht unter Art. 24a URG fielen, weshalb die Einführung der neuen Schranke von Art. 24d URG erforderlich erschien.​³⁹⁷ Analoges gelte auch für das Training von KI.​³⁹⁸

Geht man – entgegen der heute herrschenden Lehre – davon aus, dass die trainierten Modelle Vervielfältigungen von Werken enthalten,​³⁹⁹ dann stellt sich die Frage, ob mit dem Zugänglichmachen der Modelle auch die darin enthaltenen Werke im Sinn von Art. 10 Abs. 2 lit. c URG zugänglich gemacht werden. Soweit ersichtlich, hat sich in der Schweiz bisher nur ein Autor zu dieser Frage geäussert. Nach seiner – allerdings nicht näher begründeten – Auffassung führt das Training von Modellen mit urheberrechtlich geschützten Werken zu einem Zugänglichmachen dieser Werke in den trainierten Modellen.​⁴⁰⁰

Ein Teil der Lehre versteht die Umgestaltung der Werke bei der Vorbereitung des Trainingsmaterials, bspw. die Umwandlung der Texte in Tokens, als Bearbeitung im Sinn von Art. 11 Abs. 1 lit. a URG.​⁴⁰¹ Ein anderer Teil der Lehre verneint das Vorliegen von Änderungen oder Bearbeitungen im urheberrechtlichen Sinn, weil vergleichbare Umwandlungen bei jeder digitalen Vervielfältigung auftreten, bspw. auch wenn ein Text gescannt und mit einer Texterkennung bearbeitet werde.​⁴⁰² Solche technisch bedingten Umwandlungen seien keine Bearbeitungen im Sinn des Urheberrechts.​⁴⁰³

Die Schranke zugunsten des internen Gebrauchs stellt das Vervielfältigen von Werken in Betrieben, öffentlichen Verwaltungen, Instituten, Kommissionen und ähnlichen Einrichtungen für die interne Information und Dokumentation frei (Art. 19 Abs. 1 lit. c URG). Nicht freigestellt ist allerdings die vollständige oder weitgehend vollständige Vervielfältigung im Handel erhältlicher Werkexemplare (Art. 19 Abs. 3 lit. a URG).

In der Literatur besteht Einigkeit darüber, dass die Nutzung von Werken beim Training von KI-Modellen nicht als interner Gebrauch freigestellt werden kann. Der Anwendung der Schranke stehe entgegen, dass Werke beim Training von KI-Modellen in aller Regel nicht für die interne Information oder Dokumentation vervielfältigt werden, sondern für das Generieren von Output, der in der Regel auch an Dritte ausserhalb der Organisation gerichtet sei.​⁴⁰⁴ Diesem Standpunkt wird zwar entgegengehalten, dass jede betriebsinterne Nutzung einem gewissen kommerziellen Zweck diene.​⁴⁰⁵ Auch aus Vervielfältigungen, die zunächst der Information dienten, würden die daraus gewonnenen Informationen weiterverarbeitet, um entsprechenden Output zu erzeugen.​⁴⁰⁶ Die Literatur ist sich aber einig, dass die Schranke selbst dann nicht greifen würde, wenn man die Nutzung als interne Information oder Dokumentation qualifizieren sollte, weil zumindest in einem ersten Schritt vollständige Kopien von Werken erstellt werden, die in der Regel im Handel erhältlich seien, was aufgrund der Gegenausnahme von Art. 19 Abs. 3 lit. a URG ausdrücklich nicht freigestellt sei.​⁴⁰⁷

Der primäre Anknüpfungspunkt für eine mögliche Freistellung der Nutzung von Werken für das Training von KI-Modellen ist die Schranke für die Verwendung von Werken zum Zweck der wissenschaftlichen Forschung (Art. 24d URG). Diese stellt Vervielfältigungen von Werken frei, wenn die Vervielfältigungen durch die Anwendung eines technischen Verfahrens bedingt sind und zu den zu vervielfältigenden Werken ein rechtmässiger Zugang besteht (Art. 24d Abs. 1 URG). Die Schranke greift allerdings nicht für Computerprogramme (Art. 24d Abs. 3 URG). Die Wissenschaftsschranke sieht eine volle Freistellung vor, die Rechteinhaber erhalten für die Nutzung ihrer Werke also keine Vergütung. Unbestritten ist, dass die Schranke grundsätzlich alle Arten von Forschung erfasst, auch die angewandte Forschung und die Forschung zu kommerziellen Zwecken.​⁴⁰⁸ Kontrovers diskutiert wird dagegen, ob die weiteren Voraussetzungen der Schranke erfüllt sind.

Kern der Diskussion ist die Frage, ob und gegebenenfalls inwieweit das Training von KI-Modellen zum Zweck der Forschung erfolgt. Ein Teil der Lehre verneint das Vorliegen eines Forschungszwecks, weil das Training von KI-Modellen nicht der systematischen Suche nach neuen Erkenntnissen diene bzw. die Modelle für kommerzielle Anwendungen genutzt werden.​⁴⁰⁹ Nach anderer Auffassung stellt die Schranke auch Projekte frei, die Forschung und kommerzielle Anwendungen miteinander verknüpfen, soweit das systematische Anlernen des Systems der Produktentwicklung diene und die gewonnenen Erkenntnisse für weitere Produktentwicklungen verallgemeinert würden.​⁴¹⁰ Dann sei es auch unerheblich, wenn ein Hauptziel des Projekts in der späteren Kommerzialisierung der Anwendung liege.​⁴¹¹

Unproblematisch ist dagegen das Tatbestandsmerkmal der technischen Bedingtheit, nach welchem die Vervielfältigungen im Rahmen eines technischen Verfahrens zu Forschungszwecken erfolgen oder für die Anwendung eines solchen Verfahrens notwendig sein müssen. Die Lehre ist sich einig, dass die beim Training von KI-Modellen entstehenden Vervielfältigungen diese Voraussetzung erfüllen.​⁴¹²

Nicht vollständig geklärt ist die Bedeutung des dritten Tatbestandsmerkmals, nach dem ein rechtmässiger Zugang zu den zu vervielfältigenden Werken bestehen muss. Diese Voraussetzung ist nach der Lehre erfüllt, wenn die Werke gekauft, lizenziert, ausgeliehen, rechtmässig heruntergeladen oder sonst wie erlaubterweise zur Verfügung gestellt worden sind.​⁴¹³ Ein Teil der Lehre geht der Frage nach, ob auch frei im Internet zugängliche Inhalte im Rahmen der Wissenschaftsschranke verwertet werden dürfen.​⁴¹⁴ Dafür spreche, dass der europäische Gesetzgeber in Erwägungsgrund 14 der DSM-RL für Text und Data Mining explizit festgehalten habe, dass als rechtmässiger Zugang auch der Zugang zu im Internet frei verfügbaren Inhalten gelte.​⁴¹⁵ Dieser Auffassung sei auch für die Schweiz zu folgen, weil Rechteinhaber, die ihre Werke selbst im Internet frei zur Verfügung stellen, davon ausgehen müssen, dass diese nicht nur von Menschen konsumiert, sondern auch für das KI-Training genutzt werden.​⁴¹⁶

Auf der Grundlage einer weiten Auslegung des Forschungszwecks geht ein Teil der Lehre davon aus, dass die Nutzung von Werken beim Training von KI-Modellen von der Wissenschaftsschranke freigestellt werden kann.​⁴¹⁷ Dieses Ergebnis wird aber teilweise kritisiert, weil es nicht mit dem Dreistufentest vereinbar sei, zumal eine vergütungsfreie Nutzung die normale Verwertung der Werke untergraben würde.​⁴¹⁸

In der Literatur wird teilweise vertreten, dass die Nutzung von Werken beim Training von KI-Modellen durch das Erteilen erweiterter Kollektivlizenzen (Art. 43a URG) gegen Bezahlung einer angemessenen Vergütung erlaubt werden könne.​⁴¹⁹

Die Voraussetzungen für die Erteilung einer erweiterten Kollektivlizenz dürften nach dieser Auffassung in der Regel erfüllt sein, zumal beim Training von KI-Modellen stets eine grössere Anzahl von Werken genutzt werde, die Nutzung die (bisherige) normale Verwertung der Werke nicht beeinträchtige und die Verwertungsgesellschaften im Anwendungsbereich der erweiterten Kollektivlizenz eine massgebende Anzahl von Rechteinhabern vertreten.​⁴²⁰ Voraussetzung sei allerdings, dass nur veröffentlichte Werke für das Training verwendet werden.

Die Darstellung des Standes der Diskussion hat gezeigt, dass sich die Schweizer Lehre bei einigen Fragen weitgehend einig ist, während andere umstritten oder bisher kaum untersucht worden sind. Nachfolgend werden die wichtigsten Erkenntnisse festgehalten, die sich aus der Auseinandersetzung mit den technischen Grundlagen, dem Blick auf die ausländischen Rechtsordnungen und dem Stand der Schweizer Lehre ergeben. Diese bilden den Ausgangspunkt für die abschliessende Skizzierung der Lösungsansätze:

Klar und unbestritten ist, dass die Speicherung der für das Training erforderlichen Werke in einer Datenbank zu Vervielfältigungen der Werke im Sinn von Art. 10 Abs. 2 lit. a URG führt.​⁴²¹ Dasselbe gilt für die Vorgänge im Trainingsprozess. Die beim Training anfallenden Vervielfältigungen sind aber als vorübergehende Vervielfältigungen im Sinn von Art. 24a URG zu qualifizieren.​⁴²² Die Lehre ist sich zudem einig, dass das Training nicht zu einer Vervielfältigung der beim Training verwendeten Werke im trainierten Modell führt.​⁴²³ Auch der Erstautor dieses Beitrags hat bisher den Standpunkt vertreten, dass die Werke beim Training nicht «als solche» in KI-Modellen gespeichert werden.​⁴²⁴ Die vertiefte Auseinandersetzung mit den technischen Grundlagen hat nun aber gezeigt, dass sich dieser Standpunkt nicht aufrechterhalten lässt. Auch wenn das Ziel des Trainings von KI-Modellen (anders als bei der Speicherung in einer Datenbank) nicht darin besteht, die Werke aus dem Modell erneut abrufen zu können, sondern das Modell zu befähigen, neue Inhalte zu generieren, so werden die Werke im Modell doch in einer Form repräsentiert, die es erlaubt, die beim Training verwendeten Werke (oder Teile davon) dem trainierten Modell durch geeignete Prompts in identischer oder nahezu identischer Form zu entnehmen.​⁴²⁵ Dies belegt, dass die Werke in den trainierten Modellen in einer Weise repräsentiert sind, die urheberrechtlich als Vervielfältigung zu qualifizieren ist. Diese Repräsentationen sind allerdings nicht als Umgestaltungen oder Bearbeitungen im Sinn des Urheberrechts zu qualifizieren. Vielmehr handelt es sich um technische Umwandlungen,​⁴²⁶ die sich zwar graduell, aber nicht kategorisch von Umwandlungen unterscheiden, die bei allen Formen der digitalen Speicherung erfolgen.

Geht man davon aus, dass die beim Training verwendeten Werke in den trainierten Modellen vervielfältigt sind, dann führt das Zugänglichmachen der Modelle möglicherweise auch zu einem Zugänglichmachen der in den Modellen repräsentierten Werke. Das Recht des Zugänglichmachens (Art. 10 Abs. 2 lit. c URG) erfasst zwar in erster Linie die Nutzung von Werken über das Internet, namentlich das Bereitstellen von Werken zum Streaming oder zum Download. Mit welchen technischen Mitteln Werke zugänglich gemacht werden, ist aber irrelevant.​⁴²⁷ Zugänglich macht ein Werk, wer den Zugriff auf ein Werkexemplar und die Wiedergabe des Werks zum Zweck der Wahrnehmung (Werkgenuss) ermöglicht.​⁴²⁸ Die zentrale Handlung besteht dabei im Bereithalten von Inhalten zum Abruf durch Dritte.​⁴²⁹ Kein Zugänglichmachen liegt dagegen vor, wenn der Zugriff auf Werke mit geeigneten technischen Massnahmen unterbunden wird.​⁴³⁰ Denn in diesem Fall werden nicht Werke bereitgestellt, um Dritten den Zugriff auf und die Wahrnehmung der Werke zu ermöglichen, sondern vielmehr Massnahmen getroffen, um den Zugriff und die Wahrnehmung zu verhindern. Wendet man dieses Verständnis des Rechts auf Zugänglichmachen auf die vorliegende Fragestellung an, dann zeigt sich, dass das Zugänglichmachen von KI-Modellen nur dann als Zugänglichmachen der in diesen Modellen repräsentierten Werke zu verstehen ist, wenn die Anbieter keine geeigneten technischen Massnahmen getroffen haben, um die Ausgabe von Werken (oder Teilen davon) im Output der Modelle zu verhindern.

Da die Nutzung von Werken beim Training von KI-Modellen zu urheberrechtlich relevanten Vervielfältigungen in einer Datenbank und in den trainierten Modellen führt, stellt sich die Frage, ob diese Vervielfältigungen durch eine (oder mehrere) Schranke(n) freigestellt sind. Die Lehre ist sich einig, dass die Voraussetzungen der Schranke zugunsten des internen Gebrauchs (Art. 19 Abs. 1 lit. c URG) in der Regel nicht erfüllt sind.​⁴³¹ Die Vervielfältigungen können aber unter Umständen durch die Wissenschaftsschranke (Art. 24d URG) freigestellt sein. Dies setzt allerdings voraus, dass der Begriff der wissenschaftlichen Forschung weit verstanden wird. Selbst wenn die Schranke auch die kommerzielle Forschung freistellen soll,​⁴³² erscheint es fraglich, ob der Begriff der Forschung so weit ausgelegt werden kann, dass er auch die kommerzielle Entwicklung von KI-Modellen erfasst. Da die Wissenschaftsschranke eine volle Freistellung vorsieht, erhalten die Rechteinhaber für die Nutzung ihrer Werke im Rahmen dieser Schranke keine Vergütung. Das erscheint jedenfalls dann als problematisch, wenn die Werke für das Training kommerzieller KI-Modelle verwendet werden. Mit Blick auf die entstehenden Märkte, auf denen grosse Rechteinhaber Lizenzen für die Nutzung ihrer Werke für das Training kommerzieller KI-Modelle erteilen, dürfte eine volle Freistellung zudem die (zunehmend) normale Verwertung der Werke beeinträchtigen. Eine weite Auslegung der Wissenschaftsschranke, die auch die kommerzielle Entwicklung von KI-Modellen freistellt, lässt sich deshalb kaum mit dem Dreistufentest vereinbaren.​⁴³³ Damit zeigt sich, dass die Auslegung der Wissenschaftsschranke mit erheblicher Rechtsunsicherheit verbunden ist, und deren Anwendung auf das Training kommerzieller KI-Modelle nicht zu überzeugenden Ergebnissen führt.

Im Rahmen des geltenden Rechts bleibt damit die Frage, ob die Nutzung von Werken für das Training von KI-Modellen durch das Erteilen von erweiterten Kollektivlizenzen (Art. 43a URG) erlaubt werden könnte. Mit Blick auf die erwähnten Lizenzmärkte ist allerdings fraglich, ob die Voraussetzungen hierfür erfüllt sind, weil erweiterte Kollektivlizenzen die normale Verwertung der Werke nicht beeinträchtigen dürfen. Selbst wenn man annimmt, dass diese Voraussetzung allgemein (oder zumindest in bestimmten Fällen) erfüllt sein könnte, bleibt die Reichweite des Ansatzes beschränkt. Da erweiterte Kollektivlizenzen immer einer bestimmten Lizenznehmerin erteilt werden, kann dieses Instrument nur verwendet werden, um die Nutzung von Werken für das Training von KI-Modellen durch ein bestimmtes Unternehmen zu ermöglichen, es kann die vorliegende Problematik aber nicht allgemein lösen. Hinzu kommt, dass es keine Verwertungsgesellschaft gibt, welche die Urheberrechte an Computerprogrammen wahrnimmt. Ein in der Praxis besonders wichtiger Bereich von generativer KI kann damit über das Instrument der erweiterten Kollektivlizenz nicht erfasst werden.

Die geltende Rechtslage ist für alle Beteiligten unbefriedigend und mit Rechtsunsicherheit verbunden. Mit Blick auf Nutzen und Potential von KI erscheint es zentral, die Nutzung von Werken für das Training von KI-Modellen ausdrücklich im URG zu regeln. Die Regelung sollte einen angemessenen Ausgleich der Interessen der Rechteinhaber sowie der Entwickler und Anbieter von KI-Modellen schaffen und dem gesellschaftlichen Interesse an der weiteren Entwicklung dieser Technologie Rechnung tragen. Ein solcher Interessenausgleich liesse sich durch Einführung einer neuen Schranke oder durch eine Revision der bestehenden Wissenschaftsschranke erreichen. In beiden Fällen sollte die Nutzung aller Werkarten freigestellt werden, insb. auch diejenige von Computerprogrammen.

Mit Blick auf die Rechtslage in der EU und im UK bietet sich die Einführung einer neuen Schranke für das Training von KI-Modellen an, bei unveränderter Beibehaltung der geltenden Wissenschaftsschranke. Damit liesse sich eine Regelung schaffen, welche die in Art. 3 und Art. 4 DSM-RL angelegte Differenzierung zwischen einer allgemeinen Schranke für Text und Data Mining und einer spezifischen Schranke für die wissenschaftliche Forschung (auch) im Schweizer Recht etablieren würde. Die Differenzierung auf Ebene der Tatbestände würde zudem erlauben, die Nutzungskonstellationen unterschiedlichen Regelungen zu unterstellen, namentlich die Nutzung von Werken für die wissenschaftliche Forschung weiterhin ohne Vergütung freizustellen, für andere Nutzungen für das Training von KI-Modellen aber eine Vergütung vorzusehen.

Bei der Ausgestaltung der Schranke stehen drei Ansätze im Vordergrund: (i) eine volle Freistellung mit Nutzungsvorbehalt (Opt-out), (ii) eine gesetzliche Lizenz und (iii) eine gesetzliche Lizenz mit Nutzungsvorbehalt (Opt-out). Diese Ansätze werden nachfolgend kurz skizziert. Zunächst ist aber zu klären, wie die Tatbestandsmerkmale einer Schranke ausgestaltet und welche Nutzungen freigestellt werden sollten.

Von zentraler Bedeutung ist das Tatbestandsmerkmal, das den sachlichen Anwendungsbereich der Schranke festlegt. Dieser kann durch eine Wendung wie «für das Training von Modellen der Künstlichen Intelligenz (KI)» umschrieben werden. Der Begriff der KI sollte allerdings nicht im URG definiert werden. Mit der Ratifikation der KI-Konvention des Europarates​⁴³⁴ kennt das Schweizer Recht bereits eine Definition von KI, auf die sich das URG stützen kann. Der Verzicht auf eine Definition in der Schranke hat den Vorteil, dass deren Auslegung und Anwendung bei Bedarf an Weiterentwicklungen der Technologie angepasst werden kann, ohne dass der Gesetzgeber aktiv werden muss. Dieser Ansatz hat sich beim Begriff der Computerprogramme bewährt, der im URG bewusst nicht definiert worden ist. Alternativ könnte auch eine technologieneutrale Formulierung verwendet werden, bspw. die Wendung «für die Entwicklung von algorithmischen Systemen».

Wie bei der Wissenschaftsschranke des URG (Art. 24d URG) und bei der allgemeinen Schranke für Text und Data Mining in Art. 4 DSM-RL sollte die Freistellung auf Handlungen beschränkt sein, «die durch das technische Verfahren bedingt» sind oder «zum Zweck des Trainings von KI-Modellen» erfolgen. Wie in diesen Bestimmungen sollte die Schranke zudem nur greifen, wenn «ein rechtmässiger Zugang zu den Werken» besteht. Anders als bei der Wissenschaftsschranke sollte die Schranke die Nutzung aller Werkarten freistellen, insb. auch diejenige von Computerprogrammen.

Die Schranke sollte alle Vervielfältigungen von Werken freistellen, die für das Training von KI-Modellen erforderlich sind, die Speicherung in einer Datenbank ebenso wie die Vervielfältigungen der Werke im trainierten Modell.​⁴³⁵ Zudem sollte die Schranke auch nach dem Training erfolgende Vervielfältigungen der Modelle erfassen. Andernfalls würden Dritte, die ein trainiertes Modell erwerben und auf ihren eigenen Rechnern speichern (bspw. durch Download von einer Open Source-Plattform wie Hugging Face), eine Vielzahl von Urheberrechtsverletzungen begehen. Diese Konstellation ist vor allem bei kleineren Modellen relevant, während grössere Modelle den Nutzerinnen und Nutzern in der Regel nur über ein User Interface zugänglich gemacht werden, von diesen aber nicht vervielfältigt werden können.

Die Freistellung durch die Schranke ist auf das Training von KI-Modellen und die Vervielfältigung der trainierten Modelle zu beschränken. Nicht freigestellt werden sollte die Nutzung von Werken als Input bei der Verwendung von KI-Systemen durch deren Nutzer, bspw. die Eingabe eines Werkes in einem Prompt oder die Nutzung von Werken bei der sog. Retrieval Augmented Generation (RAG). Diese Nutzungen sind nur zulässig, wenn sie von einer anderen Schranke freigestellt werden, bspw. von derjenigen des Privatgebrauchs (Art. 19 Abs. 1 lit. a URG). Ebenfalls nicht freizustellen ist der von den trainierten Modellen erzeugte Output. Generiert ein KI-System (bspw. ChatGPT) einen Output, der mit einem bestehenden Werk identisch oder einem solchen so ähnlich ist, dass er in dessen Schutzbereich fällt, liegt eine Urheberrechtsverletzung vor. Anderes gilt nur, wenn das Erstellen des Outputs von einer Schranke freigestellt wird, bspw. weil ein Privatgebrauch vorliegt (Art. 19 Abs. 1 lit. a URG) oder das Zitatrecht greift (Art. 25 URG).​⁴³⁶ Generiert ein KI-System aufgrund eines simplen Prompts einen urheberrechtsverletzenden Output, lässt sich dem Modell also auf einfache Weise ein geschütztes Werk (oder Teile davon) entnehmen, liegt ein Zugänglichmachen der Werke durch den Anbieter des KI-Systems vor.​⁴³⁷ In allen anderen Fällen wird der Nutzer des KI-Systems als primärer Verletzer anzusehen sein, wenn er mit dem System einen urheberrechtsverletzenden Output generiert. Der Anbieter des KI-Systems kann aber als indirekter Verletzer ebenfalls in Anspruch genommen werden. Die Gefahr einer direkten oder indirekten Haftung für Urheberrechtsverletzungen bei der Verwendung der Modelle sollte massgebliche Anreize setzen, damit die Anbieter hinreichende technische Massnahmen implementieren, um die Memorisierung von Werken in den Modellen und deren Wiedergabe im Output zu verhindern.

Die Nutzung von Werken für das Training von KI-Modellen könnte vollständig freigestellt, also vergütungsfrei erlaubt werden. Um den Interessen der Rechteinhaber angemessen Rechnung zu tragen, müssten diese die Nutzung ihrer Werke aber durch Anbringen eines Nutzungsvorbehalts (Opt-out) verhindern können. Dieser Ansatz entspricht der Regelung von Art. 4 DSM-RL und damit dem geltenden Recht in den Mitgliedstaaten der EU.

Dogmatisch würde damit eine neue Art von Schranke geschaffen, die den bestehenden Ansatz der vollen Freistellung mit einem Element der erweiterten Kollektivlizenz (Art. 43a URG) kombiniert. Im Ergebnis würde eine nicht zwingende Schranke geschaffen. Anders als das Bundesgericht vor einigen Jahren in einem obiter dictum festgehalten hat,​⁴³⁸ ist das allerdings nicht neu; vielmehr kennt das URG schon heute nicht zwingende Schranken.​⁴³⁹

Eine volle Freistellung mit einem Nutzungsvorbehalt würde die Rechtssicherheit erhöhen, die Transaktionskosten verringern, Innovation ermöglichen und einen angemessenen Ausgleich der Interessen aller Beteiligten schaffen. Die Wirkung des Ansatzes würde allerdings wesentlich davon abhängen, wie viele und welche Rechteinhaber einen Nutzungsvorbehalt anbringen. Während ein Opt-out von Rechteinhabern an grossen Werkbeständen Anlass für das Verhandeln und Abschliessen von Lizenzen für die Nutzung beim Training von KI-Modellen sein könnte, würde es bei den meisten Rechteinhabern lediglich dazu führen, dass ihre Werke nicht genutzt werden dürften. Da die Transaktionskosten für das Verhandeln und Abschliessen von Lizenzverträgen mit einer Vielzahl kleinerer Rechteinhaber für die Entwickler von KI-Modellen in der Regel zu hoch sein werden, könnten diese Rechteinhaber die Nutzung ihrer Werke nur dulden oder mit einem Opt-out verbieten, aber nicht gegen Bezahlung einer angemessenen Vergütung erlauben.

Für eine volle Freistellung mit Opt-out spricht, dass dieser Ansatz dem Recht der EU-Mitgliedstaaten entsprechen würde. Die Übernahme der europäischen Regelung hätte den Vorteil, dass in der Schweiz nach Massgabe des URG trainierte KI-Modelle auch die Vorgaben der KI-VO einhalten würden, nach denen die Anbieter von KI-Modellen mit allgemeinem Verwendungszweck (GPAI) eine Strategie zur Einhaltung der Vorgaben des Urheberrechts der EU und insb. zur Einhaltung des Nutzungsvorbehalts (Opt-out) bei der Verwendung von Werken für das Text und Data Mining (Art. 4 Abs. 3 DSM-RL) «auf den Weg bringen» müssen (Art. 53 Abs. 1 Bst. c KI-VO).​⁴⁴⁰ Diese Vorgaben gelten allerdings nur für die Anbieter von GPAI und damit nur für wenige Anbieter und Modelle. Da die Anbieter von GPAI ihre Modelle in aller Regel auch auf dem europäischen Markt anbieten werden, müssen sie die Vorgaben der KI-VO ohnehin einhalten. Ob das Schweizer Recht der europäischen Regelung entspricht, ist deshalb irrelevant.

Gegen die Einführung einer vollen Freistellung mit Opt-out spricht, dass es bisher nicht gelungen ist, einen Standard für das Anbringen eines maschinenlesbaren Nutzungsvorbehalts zu entwickeln.​⁴⁴¹ Das erstaunt insofern, als eine Lösung aus technischer Sicht nicht übermässig komplex erscheint. Da das EU-Recht eine solche Möglichkeit fordert und eine Lösung durchaus möglich scheint, kann angenommen werden, dass es in absehbarer Zeit gelingen wird, einen funktionierenden Standard zu etablieren. Gelingt dies nicht, sollte der Schweizer Gesetzgeber auf die Einführung eines Nutzungsvorbehalts verzichten.

Sollte sich der Gesetzgeber für eine volle Freistellung mit Opt-out entscheiden, müssten die Rechteinhaber nach dem Anbringen eines Nutzungsvorbehalts prüfen können, ob ihre Werke dennoch für das Training von KI-Modellen verwendet wurden. Diese Transparenz liesse sich durch eine Informationspflicht der Anbieter von KI-Modellen sicherstellen, wie sie in der EU nach Art. 53 Abs. 1 Bst. d KI-VO für GPAI gilt.​⁴⁴² Sollte, wie in der EU, nur eine hinreichend detaillierte Zusammenfassung der für das Training genutzten Werke und keine Liste mit den konkret verwendeten Werken verlangt werden, könnte es sinnvoll sein, die Informationspflicht der Anbieter von KI-Modellen durch einen Auskunftsanspruch der Rechteinhaber zu ergänzen, der es diesen erlauben würde, von den Anbietern konkrete Angaben über die Nutzung ihrer Werke zu erhalten.

Eine gesetzliche Lizenz würde die Nutzung von Werken für das Training von KI-Modellen erlauben und einer Vergütungspflicht unterstellen. Dieser Ansatz hätte den Vorteil, dass alle Rechteinhaber eine Vergütung erhielten, sofern sie Mitglied einer Verwertungsgesellschaft wären.

Eine gesetzliche Lizenz liesse sich ohne Weiteres in den heutigen Schrankenkatalog des URG integrieren, der bereits mehrere gesetzliche Lizenzen kennt. Die Berechnung und die Höhe der Vergütung wären in einem gemeinsamen Tarif (GT) der Verwertungsgesellschaften zu regeln, der bei Bedarf an die technische Entwicklung und die Marktverhältnisse angepasst werden könnte. Ein Tarif würde erlauben, relevante Differenzierungen vorzunehmen, um bspw. die Entwicklung kleinerer KI-Modelle durch KMU und Start-ups tariflich zu begünstigen. Denkbar wären auch Differenzierungen zwischen Training und Finetuning und zwischen generativer und diskriminativer KI, die dem Umstand Rechnung tragen würden, dass der Output diskriminativer KI die Verwertung der beim Training genutzten Werke nicht konkurrenziert.

Diesen Vorteilen stehen gewisse Nachteile gegenüber. Da bei den grossen KI-Modellen (insb. LLM) äusserst grosse Mengen von Werken von einer unüberschaubaren Vielzahl von Rechteinhabern für das Training verwendet werden, wäre der Ertrag für die meisten Rechteinhaber verschwindend klein. Zudem würde der Erlass einer gesetzlichen Lizenz dazu führen, dass die Inhaber der Urheberrechte an grossen Werkmengen (bspw. Medienhäuser, Verlage oder Bildagenturen) die Nutzung ihrer qualitativ hochwertigen Datensätze für das Training von KI-Modellen nicht mehr vertraglich erlauben und monetarisieren könnten. Der Erlass einer gesetzlichen Lizenz könnte damit die Entwicklung eines funktionierenden Lizenzmarktes verhindern.

Angesichts der Vor- und Nachteile einer vollen Freistellung mit Opt-out und einer gesetzlichen Lizenz könnte sich eine Kombination der beiden Ansätze als Lösung anbieten, also eine gesetzliche Lizenz mit einem Nutzungsvorbehalt (Opt-out). Dieser Ansatz würde die Nutzung von Werken für das Training von KI-Modellen grundsätzlich erlauben und einer Vergütungspflicht unterstellen. Die Vergütung wäre auch hier in einem gemeinsamen Tarif (GT) zu regeln.​⁴⁴³ Die Rechteinhaber könnten die Nutzung ihrer Werke für das Training von KI-Modellen aber durch ein Opt-out verbieten. In diesem Fall würden sie zwar keine Vergütung über den GT erhalten, sie könnten aber mit den Entwicklern von KI-Modellen auf der Grundlage des nun geltenden Nutzungsverbots Vertragsverhandlungen führen und die Nutzung ihrer Werke im Rahmen einer vertraglich vereinbarten Lizenz erlauben. Dieser Ansatz wäre zwar dogmatisch neu, er würde aber lediglich Elemente kombinieren, die das schweizerische Urheberrecht bereits kennt.

Die Verbindung einer gesetzlichen Lizenz mit einem Opt-out könnte sinnvolle Anreize setzen, um unerwünschte Wirkungen zu verhindern, die bei den anderen Ansätzen eintreten: Bei der vollen Freistellung mit Opt-out besteht die Gefahr, dass viele Rechteinhaber einen Nutzungsvorbehalt anbringen werden. Aus ihrer Sicht gibt es wenige Gründe, die Nutzung ihrer Werke für das KI-Training zuzulassen, zumal sie dafür keine Vergütung erhalten und der Output der mit ihren Werken trainierten Modelle die Marktchancen ihrer eigenen Werke beeinträchtigen kann. Da die meisten Rechteinhaber nicht in der Lage sein werden, die Nutzung ihrer Werke nach dem Opt-out auf vertraglicher Grundlage und gegen Bezahlung einer Vergütung zuzulassen, wird die Nutzung dieser Werke unterbleiben. Eine gesetzliche Lizenz ohne Opt-out nimmt dagegen den Inhabern der Rechte an grossen Werkbeständen die Möglichkeit, die Nutzung ihrer Werke für das Training von KI-Modellen auf vertraglicher Grundlage zu monetarisieren. Der Ansatz einer gesetzlichen Lizenz mit Opt-out würde den grossen Rechteinhabern die Möglichkeit der vertraglichen Verwertung belassen und bei den Inhabern von kleineren Werkbeständen Anreize setzen, auf ein Opt-out zu verzichten, weil sie damit den Anspruch auf die tarifliche Vergütung verlieren würden. Bei diesem Ansatz müssten die Rechteinhaber also aktiv werden, um auf Einkommen zu verzichten, das ihnen sonst ohne Weiteres zufallen würde, sofern sie Mitglied einer Verwertungsgesellschaft sind. Gewisse Rechteinhaber mögen dies aus Prinzip und Überzeugung dennoch tun, weil sie verhindern möchten, dass (grosse) KI-Anbieter ihre Werke nutzen. Unterstellt man ein rationales und nutzenmaximierendes Verhalten, kann aber angenommen werden, dass die Kombination von gesetzlicher Lizenz und Opt-out dazu führen wird, dass die meisten Rechteinhaber auf ein Opt-out verzichten werden, wenn sie nicht in der Lage sind, auf vertraglicher Grundlage ein höheres Entgelt für die Nutzung ihrer Werke zu erzielen. Der Ansatz scheint deshalb geeignet, einen angemessenen Ausgleich der Interessen aller Beteiligter zu erreichen, indem die Menge der für das Training von KI-Modellen zur Verfügung stehenden Werke erhöht und den Rechteinhabern zugleich die Möglichkeit gewährt wird, ein angemessenes Entgelt zu erzielen – sei es auf dem Markt oder über eine tariflich festgesetzte Vergütung.