Urheberrecht und Künstliche Intelligenz

Urheberrecht und Künstliche Intelligenz bezeichnet das Bündel von Rechtsfragen, die entstehen, wenn generative KI-Systeme mit urheberrechtlich geschützten Werken trainiert werden und wenn ihre Ausgaben selbst als Werke gelten könnten. Im Kern stehen zwei getrennte, oft vermischte Streitfragen: Erstens, ob und unter welchen Bedingungen das Training von Modellen mit geschützten Texten, Bildern, Musikstücken oder Code eine urheberrechtlich relevante Nutzung darstellt, die einer Erlaubnis bedarf. Zweitens, ob und in welchem Umfang die mit solchen Systemen erzeugten Ausgaben – Texte, Bilder, Musik, Code – überhaupt urheberrechtlichen Schutz genießen können, wenn ihre Entstehung ganz oder überwiegend automatisiert erfolgt.

Zusammenfassung

Das geltende Urheberrecht wurde für menschliche Schöpfer:innen konzipiert und stößt bei generativer KI an mehreren Stellen an seine Grenzen. Auf der Eingabeseite (Training) erlauben EU und Deutschland das computergestützte Auswerten geschützter Werke unter bestimmten Bedingungen über die Text-and-Data-Mining-Schranken der §§ 44b und 60d UrhG, die auf der EU-Richtlinie 2019/790 (DSM-Richtlinie) beruhen – vorausgesetzt, Rechteinhaber:innen haben ihre Nutzung nicht maschinenlesbar untersagt (Opt-out). In den USA ist die vergleichbare Frage bislang ungeklärt und wird über die unbestimmte Fair-Use-Doktrin verhandelt, mit uneinheitlicher Rechtsprechung in mehreren parallel laufenden Verfahren. Auf der Ausgabeseite gilt in den meisten Rechtsordnungen – darunter Deutschland und die USA – der Grundsatz, dass Schutz eine menschliche schöpferische Leistung voraussetzt; rein maschinell erzeugte Werke ohne hinreichenden menschlichen gestalterischen Beitrag sind nicht schutzfähig. Die KI-Verordnung der EU adressiert diese Fragen nicht direkt, verlangt aber von Anbietern von General-Purpose-KI-Modellen in Art. 53 Transparenz über die für das Training verwendeten Trainingsdaten, unter anderem durch eine öffentlich zugängliche Zusammenfassung. International laufen zahlreiche Gerichtsverfahren, deren Ausgang die Geschäftsmodelle generativer KI erheblich prägen könnte.

Begriffsgeschichte

Urheberrecht als Rechtsgebiet ist deutlich älter als Computer: Es entstand im 18. Jahrhundert, um Autor:innen und später weiteren Kreativschaffenden ein zeitlich befristetes Ausschließlichkeitsrecht an ihren Werken zu sichern. Fragen zur maschinellen Textanalyse großer Textmengen – Text- und Data-Mining – tauchten bereits vor der aktuellen KI-Welle auf, etwa im Kontext akademischer Textkorpora und der Google-Books-Digitalisierung. Der US-Rechtsstreit Authors Guild v. Google (Entscheidung des Second Circuit 2015) bestätigte, dass das Scannen und durchsuchbare Indexieren von Millionen Büchern für die Snippet-Anzeige als Fair Use gelten kann – ein Präzedenzfall, auf den sich KI-Unternehmen später beriefen, dessen Übertragbarkeit auf generative Modelle jedoch umstritten blieb, weil Google-Books keine mit den Originalwerken konkurrierenden neuen Werke erzeugte.

Mit der DSM-Richtlinie (EU-Richtlinie 2019/790) schuf die EU 2019 erstmals einen harmonisierten Rahmen für Text- und Data-Mining, ursprünglich mit Blick auf wissenschaftliche Forschung und allgemeine Datenanalyse, nicht spezifisch auf generative KI gemünzt. Erst der Durchbruch großer Sprachmodelle ab etwa 2020 und insbesondere die öffentliche Verfügbarkeit von ChatGPT ab November 2022 rückte die TDM-Schranken in den Fokus als mögliche Rechtsgrundlage für das KI-Training. Parallel begann in den USA eine Welle von Klagen: Autor:innen, Verlage, Bildagenturen und Medienhäuser warfen KI-Unternehmen vor, ihre Werke ohne Erlaubnis und Vergütung zum Training genutzt zu haben. Die Klage der New York Times gegen OpenAI und Microsoft, eingereicht im Dezember 2023, gilt als eines der prominentesten dieser Verfahren und war Ende 2025/Anfang 2026 noch nicht rechtskräftig entschieden.

Methodische Grundlagen

Die zwei Ebenen des Problems

Rechtlich lassen sich Training und Ausgabe generativer Modelle sauber trennen, auch wenn sie in der öffentlichen Debatte oft vermischt werden.

Trainingsseite: Beim Training werden Modelle mit riesigen Mengen an Trainingsdaten konfrontiert, darunter häufig urheberrechtlich geschützte Werke, die aus dem offenen Internet oder aus lizenzierten Datenbanken stammen. Die Rechtsfrage lautet: Ist das Kopieren und Verarbeiten dieser Werke zu Trainingszwecken – technisch meist ein vorübergehendes oder dauerhaftes Vervielfältigen – eine erlaubnispflichtige Nutzung, oder greift eine gesetzliche Schranke? In der EU ist dafür primär die TDM-Schranke einschlägig. In den USA wird stattdessen im Einzelfall geprüft, ob eine Nutzung als Fair Use nach 17 U.S.C. § 107 gilt, anhand von vier Faktoren: Zweck und Charakter der Nutzung (insbesondere, ob sie „transformativ” ist), Art des geschützten Werks, Umfang der genutzten Passage im Verhältnis zum Gesamtwerk und die Auswirkung auf den Marktwert des Originals.

Ausgabeseite: Unabhängig davon, wie das Training rechtlich zu bewerten ist, stellt sich die zweite Frage, ob das, was ein Modell erzeugt, selbst Urheberrechtsschutz genießen kann. Zwei Unterprobleme gehören hierher: Erstens die Schutzfähigkeit KI-generierter Ausgaben (braucht es menschliche Schöpfungshöhe?), zweitens die Haftung, wenn eine Ausgabe einem geschützten Trainingswerk zu ähnlich ist (Reproduktion statt Neuschöpfung).

Text- und Data-Mining-Schranken in Deutschland und der EU

Das deutsche Urheberrechtsgesetz enthält seit der Umsetzung der DSM-Richtlinie zwei einschlägige Schrankenregelungen. § 60d UrhG erlaubt Text- und Data-Mining für Zwecke der wissenschaftlichen Forschung durch Forschungsorganisationen weitgehend uneingeschränkt. § 44b UrhG erlaubt Text- und Data-Mining allgemein, also auch zu kommerziellen Zwecken – etwa für das Training kommerzieller KI-Modelle –, solange Rechteinhaber:innen sich die Nutzung nicht vorbehalten haben. Ein solcher Nutzungsvorbehalt (Opt-out) muss bei online zugänglichen Werken in maschinenlesbarer Form erfolgen, etwa über Metadaten, Robots-Exclusion-Standards oder vergleichbare technische Mittel. Diese Opt-out-Logik ist in der Praxis umstritten: Kritiker:innen bemängeln, dass viele Urheber:innen die technischen Mittel zur Erklärung eines Vorbehalts weder kennen noch nutzen können, während KI-Unternehmen argumentieren, ein pauschales Opt-in würde das Training großer Modelle praktisch unmöglich machen.

Die US-amerikanische Fair-Use-Debatte

In den USA fehlt eine spezifische TDM-Schranke; stattdessen prüfen Gerichte im Einzelfall, ob das KI-Training unter die Fair-Use-Doktrin fällt. Zentral ist dabei die Frage, ob die Nutzung „transformativ” ist – ob das Modell also einen neuen Zweck oder Charakter erzeugt, statt das Original bloß zu ersetzen. KI-Unternehmen argumentieren, das Training diene dem Erlernen statistischer Muster von Sprache oder Bildkomposition, nicht der Wiedergabe konkreter Werke, und sei daher mit dem menschlichen Lesen und Lernen aus Büchern vergleichbar. Kläger:innen entgegnen, die Modelle könnten in bestimmten Fällen nahezu wörtliche oder stark ähnliche Reproduktionen von Trainingsmaterial erzeugen, was gegen den transformativen Charakter spreche und zudem den Marktwert der Originalwerke untergrabe, etwa wenn ein Chatbot Zusammenfassungen liefert, die den Besuch der Originalquelle überflüssig machen.

Erste US-Gerichtsentscheidungen 2025 fielen uneinheitlich aus. In Bartz v. Anthropic PBC (Az. 3:24-cv-05417, U.S. District Court for the Northern District of California, Richter William Alsup) stufte das Gericht das Training mit rechtmäßig erworbenen, gedruckt gekauften und digitalisierten Büchern grundsätzlich als Fair Use ein, behandelte die Nutzung von Werken aus mutmaßlich raubkopierten Quellen (Shadow Libraries wie Library Genesis) jedoch als separate, nicht durch Fair Use gedeckte Frage. Dieser Teil des Verfahrens mündete im September 2025 in eine Vergleichsvereinbarung über 1,5 Milliarden US-Dollar zugunsten von rund 482.000 betroffenen Werken (ca. 3.000 US-Dollar pro Werk zuzüglich Zinsen); die endgültige gerichtliche Genehmigung des Vergleichs erfolgte im Juli 2026. In Kadrey v. Meta Platforms (Az. 3:23-cv-03417-VC, U.S. District Court for the Northern District of California, Richter Vince Chhabria, Entscheidung vom 25. Juni 2025) entschied das Gericht ebenfalls in eine für das beklagte Unternehmen günstige Richtung, betonte dabei aber ausdrücklich, dass die Klagepartei die falsche Marktschadenstheorie vorgetragen habe und die Entscheidung keine generelle Freigabe des KI-Trainings bedeute. Diese Entscheidungen sind erstinstanzlich beziehungsweise Gegenstand weiterer Verfahren und keine abschließende höchstrichterliche Klärung der Rechtslage.

KI-generierte Werke und Schutzfähigkeit

Die zweite Ebene betrifft die Frage, ob Ausgaben generativer KI selbst urheberrechtlich geschützt sind. Das US-Copyright Office vertrat in Leitlinien und Einzelfallentscheidungen ab 2023 konsequent die Position, dass rein maschinell, ohne hinreichende menschliche kreative Kontrolle erzeugte Werke nicht registrierbar sind, weil US-Recht menschliche Urheberschaft voraussetzt. Im vielbeachteten Fall des Comics Zarya of the Dawn erkannte das Copyright Office 2023 Schutz für die von der Autorin verfasste Textebene und die redaktionelle Anordnung an, verweigerte ihn jedoch für die mit Midjourney erzeugten Einzelbilder. Auch im deutschen und europäischen Urheberrecht setzt Werkschutz nach § 2 Abs. 2 UrhG eine „persönliche geistige Schöpfung” voraus – ein Kriterium, das traditionell an menschliches Schaffen anknüpft. Rein algorithmisch ohne signifikanten menschlichen gestalterischen Beitrag erzeugte Ausgaben gelten daher überwiegend als nicht schutzfähig, wobei die genaue Schwelle – wie viel menschliche Steuerung durch Prompting, Auswahl und Nachbearbeitung nötig ist, damit Schutz entsteht – bislang nicht abschließend höchstrichterlich geklärt ist und in der Fachliteratur kontrovers diskutiert wird.

Anwendungsfelder

Bildgenerierung: Der Fall Getty Images vs. Stability AI ist der bislang bedeutendste europäische Präzedenzfall zum Verhältnis von KI-Training und Urheberrecht im Bildbereich; die britische Entscheidung von 2025 stellte insbesondere klar, dass die Modellgewichte selbst keine Kopie der Trainingsbilder darstellen, ließ aber andere Aspekte der Klage offen.

Textgenerierung und Nachrichteninhalte: Verlage und Medienhäuser sehen sich durch generative Chatbots doppelt betroffen – durch die Nutzung ihrer Artikel als Trainingsdaten und durch KI-generierte Zusammenfassungen, die Nutzer:innen von einem Besuch der Originalseite abhalten könnten. Die Klage der New York Times gegen OpenAI und Microsoft macht neben Urheberrechtsverletzung durch Training auch geltend, ChatGPT könne Times-Artikel nahezu wortgleich reproduzieren.

Software und Code: Bei KI-gestützter Codegenerierung, etwa durch Modelle, die mit öffentlich zugänglichem Quellcode trainiert wurden, stellt sich zusätzlich die Frage der Lizenzkompatibilität – ob generierter Code stillschweigend Open-Source-Lizenzbedingungen des Trainingsmaterials „erbt” und ob Copyleft-Klauseln greifen.

Musik: Musikindustrie und Verwertungsgesellschaften beobachten KI-Musikgeneratoren mit besonderer Aufmerksamkeit, da hier neben Urheberrecht an Kompositionen auch Leistungsschutzrechte an Tonaufnahmen berührt sind; mehrere US-Klagen großer Plattenlabels gegen KI-Musikdienste liefen Anfang 2026 noch.

Transparenzpflichten nach der KI-Verordnung: Die KI-Verordnung verpflichtet Anbieter von General-Purpose-KI-Modellen (GPAI) in Art. 53 zur Erstellung und Veröffentlichung einer hinreichend detaillierten Zusammenfassung der für das Training verwendeten Inhalte sowie zur Vorhaltung einer Urheberrechts-Compliance-Politik, die insbesondere Opt-out-Erklärungen nach EU-Recht respektieren muss. Diese Pflicht adressiert nicht direkt, ob Training erlaubt ist, schafft aber Transparenz, die Rechteinhaber:innen zur Durchsetzung ihrer TDM-Vorbehalte benötigen.

Kontroversen und Kritik

Die Debatte um Urheberrecht und KI verläuft entlang mehrerer Interessenkonflikte, die sich nicht eindeutig zugunsten einer Seite auflösen lassen.

Kreativschaffende und Rechteinhaber:innen – Autor:innen, Verlage, Bildagenturen, Musiklabels – argumentieren, dass KI-Unternehmen ihre wirtschaftliche Existenzgrundlage untergraben, indem sie mit ihren Werken kommerzielle Produkte trainieren, ohne dafür Lizenzgebühren zu zahlen, und dass die entstehenden KI-Ausgaben teils in direkter Konkurrenz zu den Originalwerken treten. Sie fordern verpflichtende Lizenzierung, Vergütungsmodelle oder zumindest ein handhabbares, wirksames Opt-in statt eines Opt-outs, das faktisch schwer durchsetzbar sei.

KI-Unternehmen und Teile der Forschung entgegnen, dass eine restriktive Auslegung des Urheberrechts die Entwicklung leistungsfähiger KI-Systeme in Europa und den USA gegenüber Ländern mit laxeren Regeln (etwa China oder Japan, das eine vergleichsweise großzügige TDM-Ausnahme kennt) benachteiligen würde, und dass das Erlernen statistischer Muster aus Werken sich qualitativ von deren Vervielfältigung unterscheide, ähnlich wie menschliches Lesen und Lernen urheberrechtlich unproblematisch sei.

Ein weiterer Streitpunkt betrifft die Herkunft der Trainingsdaten selbst: Mehrere Klagen werfen KI-Unternehmen vor, Trainingsmaterial nicht aus rechtmäßig zugänglichen Quellen, sondern aus sogenannten „Shadow Libraries” mit raubkopierten Büchern bezogen zu haben – ein Vorwurf, der von der eigentlichen Trainings-Fair-Use-Frage rechtlich getrennt zu behandeln ist, wie die Bartz-Entscheidung zeigte, in der genau diese Unterscheidung zum milliardenschweren Vergleich führte.

Kritisiert wird zudem die Rechtsunsicherheit selbst: Solange zentrale Fragen nicht höchstrichterlich geklärt sind, agieren sowohl KI-Unternehmen als auch Kreativschaffende unter erheblicher Unsicherheit über ihre jeweiligen Rechte und Pflichten, was Investitionsentscheidungen erschwert und die Verhandlungsmacht in Lizenzgesprächen einseitig zugunsten größerer, finanzstärkerer Akteure verschiebt, die es sich leisten können, Rechtsstreitigkeiten durchzustehen oder freiwillig Lizenzverträge mit einzelnen Verlagen zu schließen.

Schließlich wird die Grenze zwischen erlaubtem Lernen und unerlaubter Reproduktion technisch wie rechtlich als ungeklärt beschrieben: Untersuchungen zu sogenanntem „Memorization” zeigen, dass große Modelle unter bestimmten Bedingungen Trainingsdaten nahezu wörtlich wiedergeben können, was die These, Training erzeuge grundsätzlich nur abstrahiertes Wissen statt konkreter Kopien, im Einzelfall infrage stellt.

Stand 2025/2026

Ende 2025 und Anfang 2026 bleibt die Rechtslage in weiten Teilen in Bewegung. In den USA haben mehrere erstinstanzliche Entscheidungen (Bartz v. Anthropic PBC, Kadrey v. Meta Platforms) Training mit rechtmäßig erworbenem Material tendenziell als Fair Use eingestuft, ohne dass damit die Frage generell geklärt wäre – insbesondere die Herkunft der Trainingsdaten bleibt ein eigenständiger Streitpunkt, wie der im Juli 2026 endgültig genehmigte, 1,5 Milliarden US-Dollar schwere Anthropic-Vergleich zeigt. Die Klage der New York Times gegen OpenAI und Microsoft war zum Zeitpunkt der Abfassung dieses Artikels noch nicht rechtskräftig entschieden. In der EU gilt die TDM-Schrankenregelung unverändert, während die GPAI-Transparenzpflichten der KI-Verordnung nach und nach in Kraft treten und erste Praxis- und Auslegungsfragen zu ihrer konkreten Umsetzung aufwerfen, etwa zum nötigen Detailgrad der Trainingsdaten-Zusammenfassung. Parallel entstehen erste freiwillige Lizenzmodelle, in denen einzelne Verlage und Medienhäuser Lizenzverträge mit KI-Unternehmen schließen – ein Marktmechanismus, der die ungeklärte gesetzliche Lage teilweise umgeht, ohne sie zu ersetzen.

Quellenangaben

Richtlinie (EU) 2019/790 des Europäischen Parlaments und des Rates vom 17. April 2019 über das Urheberrecht und die verwandten Schutzrechte im digitalen Binnenmarkt (DSM-Richtlinie), Art. 3, 4.
Gesetz über Urheberrecht und verwandte Schutzrechte (Urheberrechtsgesetz, UrhG), § 2 Abs. 2, § 44b, § 60d.
Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 53.
17 U.S.C. § 107 (Fair Use Doctrine).
Authors Guild v. Google, Inc., 804 F.3d 202 (2d Cir. 2015).
Bartz et al. v. Anthropic PBC, Az. 3:24-cv-05417, U.S. District Court for the Northern District of California, eingereicht 19. August 2024; Vergleichsvereinbarung 5. September 2025, endgültige gerichtliche Genehmigung 20. Juli 2026.
Kadrey et al. v. Meta Platforms, Inc., Az. 3:23-cv-03417-VC, U.S. District Court for the Northern District of California, Entscheidung vom 25. Juni 2025.
The New York Times Company v. Microsoft Corporation, OpenAI, Inc., et al., Az. 1:23-cv-11195, U.S. District Court for the Southern District of New York, eingereicht Dezember 2023.
U.S. Copyright Office, 2023. Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence. Federal Register.
U.S. Copyright Office, 2023. Entscheidung zu Zarya of the Dawn (Registrierungsnummer VAu001480196).
Samuelson, Pamela, 2023. „Generative AI meets copyright.” In: Science 381 (6654), S. 158–161. DOI: 10.1126/science.adi0656.

← Zurück zur Lexikon-Übersicht