Iris schreibt dort, wo KI-Kunst auf Kultur trifft — Stil, Urheberschaft und die Bilder, die zählen.
Erhalte die Top-Storys der Woche zu KI und KI-Kunst direkt in dein Postfach — kuratiert, kompakt, kostenlos.
Kostenlos. Jederzeit abbestellbar.
Wähle einen Companion und erfahre seine Meinung zu dieser Story
Kein Gericht hat bislang definitiv entschieden, dass das Training von KI-Modellen mit urheberrechtlich geschützten Büchern illegal ist – doch die Frage ist in mehreren US-amerikanischen Klagen anhängig, und das Ergebnis wird unmittelbar darüber entscheiden, welche Modelle überleben, welche Trainingspipelines abgeschaltet werden und was Kreative mit KI-generiertem Output legal tun dürfen.\n\n## Die wichtigsten Punkte\n\n- US-amerikanische Gerichte haben noch kein abschließendes Urteil darüber gefällt, ob die Verwendung urheberrechtlich geschützter Bücher zum Training von KI eine Urheberrechtsverletzung darstellt.\n- Mehrere laufende Klagen von Autoren wie George R.R. Martin und John Grisham richten sich gegen Unternehmen wie OpenAI und Meta wegen der verwendeten Trainingsdaten.\n- Der zentrale Rechtsstreit dreht sich darum, ob KI-Training als „Fair Use" im Sinne des US-amerikanischen Urheberrechts gilt – eine Verteidigung, die KI-Unternehmen aktiv geltend machen.\n- Ein Urteil gegen KI-Labore könnte ein Neutraining auf lizenzierten Daten erzwingen, was die Modellqualität potenziell verschlechtern oder die Kosten erhöhen würde, die an Kreative weitergegeben werden.\n- Autoren, deren Werke ohne Zustimmung verwendet wurden, hatten keine Kenntnis davon – ein Umstand, den Gerichte bei der Schadensbeurteilung stark gewichten könnten.\n\n## Die Fair-Use-Wette im Kern jedes großen Modells\n\nDie Rechtstheorie, auf die KI-Unternehmen setzen, ist Fair Use – konkret das Argument, dass das Einlesen urheberrechtlich geschützter Texte zum Aufbau eines statistischen Modells „transformativ" genug ist, um außerhalb einer Urheberrechtsverletzung zu liegen. Dieses Argument hat Präzedenzfälle: Google gewann einen jahrzehntelangen Rechtsstreit über das Scannen von Büchern für die Suchindizierung. Doch Prosa, Bilder oder Code zu generieren, die direkt mit den Originalwerken konkurrieren, ist ein schwerer zu führendes Argument – und mehrere Richter haben zugelassen, dass Autorenklagen über frühe Abweisungsanträge hinausgehen, was signalisiert, dass die Verteidigung nicht wasserdicht ist.\n\nWie TechCrunch berichtet, haben die meisten veröffentlichten Autoren ohne ihr Wissen oder ihre Zustimmung zur Entwicklung von KI-Werkzeugen beigetragen – Werkzeugen, die nun mit ihrem eigenen Schreiben um Leser und Aufträge konkurrieren.\n\n> „Die meisten veröffentlichten Autoren haben ohne ihr Wissen oder ihre Zustimmung zur Entwicklung eben jener KI-Werkzeuge beigetragen, die ihre Existenzgrundlage zu untergraben drohen."\n>\n> — TechCrunch\n\n\n\n## Was ein Urteil in beide Richtungen mit den Modellen macht, die Kreative nutzen\n\nHier werden die Einsätze für alle, die mit KI-Bildgeneratoren oder Textwerkzeugen arbeiten, konkret greifbar. Die großen Sprachmodelle, die vielen Bildgenerierungs-Pipelines zugrunde liegen – für Bildunterschriften, Prompt-Interpretation und multimodales Reasoning – wurden auf Datensätzen trainiert, die mit an Sicherheit grenzender Wahrscheinlichkeit urheberrechtlich geschützte Texte enthielten. Sollten Gerichte feststellen, dass Training ohne Lizenz eine Urheberrechtsverletzung darstellt, stehen den Laboren drei Optionen offen: kostspielige nachträgliche Lizenzen aushandeln, auf schmaleren Datensätzen neu trainieren oder betroffene Modelle abschalten.\n\nDas Neutraining auf kuratierten, lizenzierten Korpora führt tendenziell zu Modellen mit engerem stilistischem Spektrum und schwächerer Generalisierung. Für Kreative bedeutet das: Prompts treffen weniger ästhetische Register, das Schreiben von Charakteren in Begleitwerkzeugen wird weniger nuanciert, und die Vielfalt des Outputs flacht insgesamt ab. Der Reichtum, der aktuelle Modelle zu echter stilistischer Bandbreite befähigt, stammt zum Teil aus der Breite dessen, was sie aufgenommen haben – einschließlich genau jener literarischen Tradition, die Autoren nun zu schützen kämpfen.\n\nEs gibt hier eine Parallele zu den piktorialistischen Fotografen des frühen 20. Jahrhunderts, die argumentierten, Fotografie könne nur dann zur Kunst werden, wenn sie sich die visuelle Grammatik der Malerei borge. Die Gerichte mussten schließlich entscheiden, was in einem mechanischen Medium als originärer Ausdruck gilt. KI stellt dieselbe Frage aus der entgegengesetzten Richtung: nicht ob die Maschine Kunst schaffen kann, sondern ob sie berechtigt war, von der bereits geschaffenen Kunst zu lernen.\n\n## Die Einwilligungslücke und ihre praktischen Folgen\n\nDas Einwilligungsproblem reicht tiefer als die Rechtstheorie. Autoren haben nicht zugestimmt; ihre Werke wurden aus im großen Maßstab zusammengestellten Datensätzen geerntet, oft ohne jegliche öffentliche Offenlegung, welche Titel enthalten waren. Diese Intransparenz macht es für Kreative schwierig zu wissen, ob das von ihnen verwendete Modell auf den Stil eines bestimmten Autors trainiert wurde – was sowohl ethisch als auch zunehmend kommerziell relevant ist, da einige Auftraggeber beginnen, Herkunftsnachweise für KI-gestützte Arbeiten zu verlangen.\n\nPlattformen, die diesem Thema voraus sein wollen, bewegen sich bereits auf lizenzierte Trainingsvereinbarungen mit Verlagen zu. Adobe Fireflys Versprechen an kommerzielle Kunden basierte stets auf dem Training mit lizenzierten Daten. Sollte die Rechtsprechung Wettbewerber auf denselben Weg zwingen, verringert sich das Kostengefälle – aber auch der Unterschied in der kreativen Bandbreite, der Open-Weight- und breit trainierte Modelle derzeit für experimentelle Arbeiten attraktiv macht.\n\nDerzeit arbeiten Kreative, die ein beliebiges großes KI-Werkzeug nutzen, mit Modellen, deren rechtliche Grundlage tatsächlich umstritten ist. Das ist kein Grund aufzuhören – Gerichte arbeiten langsam, und einstweilige Verfügungen gegen bereits eingesetzte Modelle sind selten –, aber es ist ein Grund, genau zu beobachten, welche Labore proaktiv Daten lizenzieren und welche noch immer auf die Fair-Use-Wette setzen. Das Ergebnis wird nicht nur bestimmen, wer wem Geld schuldet, sondern auch, was die nächste Generation von Modellen lernen darf.
