KI-Training

LG München I zu SUNO: Warum das GEMA-Urteil gegen den KI-Musikgenerator aus Sicht des LG konsequent ist

Wolfgang Riegger

Das Landgericht München I hat mit Urteil vom 31. Juli 2026 der Klage der GEMA gegen den KI-Musikgenerator SUNO überwiegend stattgegeben. Nachdem zunächst nur die Pressemitteilung vorlag, sind nun auch die Entscheidungsgründe veröffentlicht. Sie zeigen noch deutlicher, warum das Urteil für Anbieter von KI-Systemen, die Musikbranche und Unternehmen, die KI-Tools einsetzen, erhebliche Bedeutung hat.

Die Entscheidung betrifft bekannte Musikwerke wie „Atemlos durch die Nacht“, „Rasputin“, „Big in Japan“, „Forever Young“, „Daddy Cool“ sowie den Refrain von „Mambo No. 5“. Nicht Gegenstand des Verfahrens waren Verletzungen durch Liedtexte. Es ging also nicht um die Frage, ob SUNO Songtexte übernommen hat, sondern um den Schutz der Musik selbst.

Das Urteil ist nach der Entscheidung des LG München I im Verfahren GEMA gegen OpenAI keine große Überraschung. Bereits dort hatte die Kammer angenommen, dass urheberrechtlich geschützte Inhalte in einem KI-Modell memorisiert und dadurch vervielfältigt sein können. In meinem Blogartikel vom 14.11.2025 zu GEMA gegen OpenAI hatte ich darauf hingewiesen, dass die Kammer eine strenge Linie verfolgt: Wenn geschützte Inhalte im Modell reproduzierbar angelegt sind und durch einfache Prompts wieder ausgegeben werden können, liegt aus Sicht des Gerichts mehr vor als bloßes statistisches Lernen.

Genau diese Linie setzt das LG München I nun bei Musikwerken fort.

Worum ging es in dem Verfahren?

SUNO bietet einen KI-basierten Musikgenerator an. Nutzer können Prompts eingeben und daraus neue Musikstücke erzeugen lassen. Die GEMA machte geltend, dass SUNO urheberrechtlich geschützte Musikwerke zum Training verwendet habe und dass diese Werke in den Modellen memorisiert seien. Außerdem seien sie in den erzeugten Outputs wiedererkennbar.

Nach den Urteilsgründen enthielt der Trainingsdatensatz von SUNO auch die streitgegenständlichen Musikwerke. SUNO hatte diese nach den Feststellungen des Gerichts über Stream-Ripping von YouTube erlangt und dabei den sogenannten Rolling Cipher umgangen. Dabei handelt es sich um eine technische Schutzmaßnahme, die das dauerhafte Herunterladen von Audio- und Videoinhalten erschweren soll.

Die GEMA erzeugte die streitgegenständlichen Outputs, indem jeweils der originale Liedtext, der gewünschte Musikstil und der Werktitel eingegeben wurden. Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement enthielten die Prompts nicht. SUNO hielt dem entgegen, die Outputs seien durch gezieltes Prompting der Klägerseite provoziert worden. Das Gericht folgte dem nicht.

Die Entscheidungsgründe zeigen: Es geht nicht nur um den Output

Die nun vorliegenden Urteilsgründe machen deutlich, dass das LG München I nicht nur auf die am Ende erzeugten Musikstücke schaut. Die Kammer betrachtet die gesamte technische Nutzungskette: Beschaffung der Trainingsdaten, Preprocessing, Tokenisierung, Feature-Extraktion, Erstellung von Trainings-, Validierungs- und Testdatensätzen, Speicherung im Modell und spätere Ausgabe.

Das ist ein zentraler Punkt. Die urheberrechtliche Prüfung beginnt nach dieser Sichtweise nicht erst dort, wo ein Nutzer ein möglicherweise rechtsverletzendes Musikstück erzeugt. Bereits das Training und die technische Verarbeitung geschützter Werke können relevante Vervielfältigungen sein.

Das Gericht beschreibt dabei auch die technische Architektur des SUNO-Systems. Danach beruht der Musikgenerator unter anderem auf einem generativen vortrainierten Transformer-Modell und einem Diffusionsmodell. Die Audiodaten wurden in kleinere Einheiten zerlegt, tokenisiert, vektorisiert und zusammen mit Metadaten verarbeitet. Gerade diese technische Aufbereitung führt nach Auffassung des Gerichts nicht dazu, dass das Urheberrecht von vornherein nicht mehr eingreift.

Für die Praxis bedeutet das: Es genügt nicht, die Nutzung geschützter Werke technisch als Datenanalyse, Tokenisierung oder Mustererkennung zu beschreiben. Entscheidend bleibt, ob geschützte Werkbestandteile im Modell oder im Output wiedererkennbar und reproduzierbar werden.

Memorisierung als urheberrechtliche Vervielfältigung

Der wichtigste Punkt der Entscheidung ist die Memorisierung. Das LG München I geht davon aus, dass die streitgegenständlichen Musikwerke reproduzierbar in den SUNO-Modellen enthalten waren. Das Gericht stützt sich dabei auf den Abgleich der Trainingsdaten mit den später erzeugten Outputs. Angesichts der Komplexität und Länge der Musikwerke schloss die Kammer einen Zufall als Ursache der Wiedergabe aus.

Damit überträgt das Gericht seine Linie aus GEMA gegen OpenAI von Liedtexten auf Musikwerke. Die zentrale Brücke ist nicht der Werktyp, sondern die technische und rechtliche Bewertung der Memorisierung.

Wenn ein KI-Modell geschützte Inhalte nicht nur analysiert, sondern so übernimmt, dass sie später durch vergleichsweise einfache Prompts wieder hervortreten, kann dies nach Auffassung des LG München I eine Vervielfältigung im Sinne von § 16 UrhG sein.

Das ist für KI-Anbieter ein erheblicher Risikopunkt. Die Verteidigung, ein Modell speichere keine Werke, sondern nur mathematische Parameter, hilft jedenfalls dann nicht weiter, wenn das Gericht aus den Outputs auf eine reproduzierbare Übernahme der Werke im Modell schließt.

Die Prompts waren aus Sicht des Gerichts nicht entscheidend genug

SUNO hatte argumentiert, die streitgegenständlichen Outputs seien durch gezielte und wiederholte Prompt-Versuche der GEMA erzeugt worden. Tatsächlich zeigen die Urteilsgründe, dass bei einzelnen Werken zahlreiche identische Prompts eingegeben wurden, etwa bei „Atemlos durch die Nacht“ und „Big in Japan“.

Das Gericht hielt dies aber nicht für ausreichend, um die Verantwortung auf die Nutzerseite zu verlagern. Entscheidend war, dass die Prompts keine konkreten musikalischen Vorgaben enthielten. Die GEMA gab zwar den Liedtext, den Stil und den Werktitel ein, aber keine Melodie, keine Harmonie, keinen Rhythmus und kein Arrangement.

Das ist für die Praxis wichtig. Das Urteil sagt nicht, dass jeder beliebige ähnliche Output automatisch eine Memorisierung beweist. Es sagt aber: Wenn bereits relativ einfache Prompts ausreichen, um komplexe geschützte Musikwerke wiedererkennbar hervorzubringen, spricht dies aus Sicht des Gerichts stark dafür, dass das Werk im Modell angelegt ist.

Text- und Data-Mining ist kein Freibrief

SUNO berief sich auch auf die Schranke des Text- und Data-Mining nach § 44b UrhG. Das LG München I ließ diese Verteidigung nicht durchgreifen.

Besonders wichtig ist dabei die Rolle des rechtmäßigen Zugangs. Nach den Urteilsgründen hatte SUNO die streitgegenständlichen Werke durch Stream-Ripping von YouTube erlangt und dabei den Rolling Cipher umgangen. Das ist für § 44b UrhG erheblich, weil die Schranke grundsätzlich voraussetzt, dass die genutzten Werke rechtmäßig zugänglich sind.

Wer Inhalte unter Umgehung technischer Schutzmaßnahmen beschafft, kann sich nach dieser Logik nicht ohne Weiteres darauf berufen, er betreibe nur privilegiertes Text- und Data-Mining.

Hinzu kommt: Die Kammer sieht jedenfalls die Memorisierung geschützter Werke im Modell nicht als von § 44b UrhG gedeckt an. Die Schranke soll Datenanalyse ermöglichen, nicht aber dazu führen, dass geschützte Werke dauerhaft im Modell angelegt und später wieder ausgegeben werden können.

Damit bestätigt das Gericht eine Linie, die bereits im OpenAI-Verfahren sichtbar war. Text- und Data-Mining erlaubt nicht automatisch jede Nutzung urheberrechtlich geschützter Inhalte im KI-Training. Entscheidend sind Zugang, Nutzungsvorbehalte, Zweck der Vervielfältigung und vor allem die Frage, ob geschützte Inhalte später wieder reproduzierbar werden.

Die KI-Verordnung ersetzt keine Lizenz

Praxisrelevant ist auch ein weiterer Punkt aus den Urteilsgründen: SUNO berief sich sinngemäß darauf, dass die KI-Verordnung Transparenzpflichten für Anbieter allgemeiner KI-Modelle vorsieht. Daraus folge aber nach der Logik des Gerichts keine urheberrechtliche Erlaubnis.

Das ist richtig und wichtig. Die KI-Verordnung regelt Pflichten für Anbieter von KI-Systemen, etwa Transparenz- und Dokumentationspflichten. Sie ersetzt aber keine Lizenz. Wer Trainingsinhalte dokumentiert oder zusammenfasst, erhält dadurch nicht automatisch das Recht, geschützte Musikwerke ohne Zustimmung zu nutzen.

Für Unternehmen bedeutet das: Compliance mit der KI-Verordnung ist nicht gleichbedeutend mit urheberrechtlicher Rechtmäßigkeit. KI-Anbieter müssen beides getrennt prüfen.

Öffentliche Wiedergabe statt öffentlicher Zugänglichmachung

Ein dogmatisch wichtiger Punkt wird erst durch die Entscheidungsgründe richtig deutlich: Das LG München I hat keine Verletzung des Rechts der öffentlichen Zugänglichmachung nach § 19a UrhG zugesprochen. Es nimmt aber eine öffentliche Wiedergabe als unbenannten Fall des § 15 Abs. 2 UrhG an.

Das ist ein feiner, aber wichtiger Unterschied. Bei der öffentlichen Zugänglichmachung geht es typischerweise darum, dass ein konkretes Werk so bereitgestellt wird, dass Mitglieder der Öffentlichkeit es von Orten und zu Zeiten ihrer Wahl abrufen können. Bei einem KI-Modell ist diese Struktur schwieriger zu greifen, weil nicht einfach eine bestimmte Datei zum Abruf bereitsteht.

Das Gericht geht aber dennoch davon aus, dass das Angebot des Modells und der Anwendung eine öffentliche Wiedergabe darstellen kann, wenn geschützte Werke im Modell memorisiert sind und über das System wieder hervortreten können.

Für KI-Anbieter ist diese Begründung besonders relevant. Sie zeigt, dass Gerichte nicht zwingend an klassischen Kategorien der Datei- oder Plattformbereitstellung festhalten müssen. Auch der Betrieb eines generativen Systems kann urheberrechtlich als Wiedergabehandlung eingeordnet werden.

Auch das Training in den USA half SUNO nicht

Ein weiterer wichtiger Aspekt betrifft das Training in den USA. Das LG München I bejahte seine Zuständigkeit auch für Ansprüche wegen Verletzungshandlungen auf dem Gebiet der USA. Nach dem Schutzlandprinzip prüfte es insoweit US-amerikanisches Recht und verneinte eine Rechtfertigung durch fair use.

Das Gericht grenzte den SUNO-Fall von US-Verfahren ab, in denen Gerichte KI-Training als fair use angesehen hatten. Der entscheidende Unterschied: Im SUNO-Fall waren nach Auffassung des LG München I die Trainingswerke in den Outputs wiedererkennbar. Die Nutzung blieb also nicht auf eine abstrakte Analyse beschränkt.

Damit wird die Entscheidung auch international bedeutsam. Das Gericht stellt nicht pauschal jedes KI-Training mit geschützten Werken unter Verletzungsverdacht. Es sagt aber: Wenn ein Modell geschützte Werke so übernimmt, dass sie später wesentlich ähnlich ausgegeben werden, spricht dies gegen eine Rechtfertigung durch fair use.

Warum das Urteil nach GEMA gegen OpenAI konsequent ist

Das SUNO-Urteil wirkt auf den ersten Blick spektakulär, ist aber im Lichte der bisherigen Rechtsprechung des LG München I konsequent. Im Verfahren GEMA gegen OpenAI ging es um Liedtexte. Im Verfahren gegen SUNO geht es um Musikwerke. Die rechtliche Kernfrage ist aber dieselbe:

Was passiert urheberrechtlich, wenn ein KI-Modell geschützte Inhalte nicht nur auswertet, sondern sie so übernimmt, dass sie später wieder reproduzierbar sind?

Das LG München I beantwortet diese Frage erneut zugunsten der Rechteinhaber. Die Kammer sieht in der Memorisierung eine Vervielfältigung. Sie lehnt eine pauschale Rechtfertigung durch Text- und Data-Mining ab. Sie verlagert die Verantwortung nicht auf den Nutzer, wenn einfache Prompts ausreichen und das Modell selbst die geschützten Strukturen hervorbringt.

Damit entsteht eine klare Linie: KI-Training ist nicht schon deshalb urheberrechtsfrei, weil es technisch komplex ist. Entscheidend bleibt, ob geschützte Inhalte übernommen, gespeichert, reproduzierbar gemacht oder in Outputs wiedererkennbar genutzt werden.

Was Unternehmen daraus lernen sollten

Für Anbieter von KI-Systemen ist das Urteil ein deutliches Warnsignal. Wer urheberrechtlich geschützte Werke zum Training nutzt, muss die Herkunft der Trainingsdaten, Nutzungsvorbehalte, technische Schutzmaßnahmen und Lizenzfragen sauber prüfen.

Besonders riskant ist es, Inhalte durch Stream-Ripping oder unter Umgehung technischer Schutzmaßnahmen zu beschaffen. In solchen Fällen wird es schwer, sich auf rechtmäßigen Zugang oder Text- und Data-Mining zu berufen.

Für Unternehmen, die KI-Tools einsetzen, ist die Entscheidung ebenfalls relevant. Zwar richtet sich das Urteil gegen den Anbieter des KI-Musikgenerators. Dennoch zeigt es, dass Outputs generativer KI urheberrechtliche Risiken enthalten können. Wer KI-generierte Musik, Texte, Bilder oder sonstige Inhalte kommerziell nutzt, sollte prüfen, ob das eingesetzte System verlässliche Rechte- und Risikomechanismen bietet.

Für Rechteinhaber, Musikverlage und Urheber stärkt das Urteil die Position gegenüber KI-Anbietern. Es zeigt, dass Gerichte bereit sind, technische Vorgänge im Modell urheberrechtlich zu bewerten und die Verantwortung nicht allein auf Nutzer abzuwälzen.

Einordnung

Das Urteil ist nicht rechtskräftig. Angesichts der grundsätzlichen Bedeutung ist damit zu rechnen, dass die Sache höhere Instanzen beschäftigen wird.

Gleichwohl ist die Richtung klar: Das LG München I entwickelt eine urheberrechtliche Linie für generative KI, die die Rechteinhaber stärkt und die technische Argumentation der Anbieter nicht unkritisch übernimmt. Wer geschützte Werke trainiert, memorisiert und später in Outputs wiedererkennbar macht, bewegt sich nach dieser Rechtsprechung in einem erheblichen Haftungsrisiko.

Die Entscheidungsgründe zeigen damit noch deutlicher als die Pressemitteilung: Der Fall SUNO ist kein isolierter Musikstreit. Er ist ein weiterer Baustein in der rechtlichen Einordnung generativer KI.

Entscheidungsdaten

Gericht: Landgericht München I, 42. Zivilkammer

Datum: 31. Juli 2026

Aktenzeichen: 42 O 763/25

Urteil GEMA gegen SUNO

Wolfgang Riegger

Die auf das Urheberrecht spezialisierte 42. Zivilkammer des Landgerichts München I hat mit Urteil vom heutigen Tag den Ansprüchen auf Unterlassung, Auskunft und Schadensersatz der GEMA gegen SUNO, dem Anbieter eines auf künstlicher Intelligenz (KI) beruhenden Musikgenerators, überwiegend stattgegeben (Az. 42 O 763/25).

Das Urteil betrifft die sechs bekannten Musikwerke „Atemlos durch die Nacht“ von Kristina Bach, „Rasputin“ von Frank Farian, Fred Jay und George Reyam, „Big in Japan“ und „Forever Young“ von Marian Gold, Bernhard Lloyd und Frank Mertens, der Refrain des Stücks „Mambo No. 5 A little bit of“ von David Lubega und Christian Pletschacher sowie „Daddy Cool“ von Frank Farian. Nicht streitgegenständlich waren Verletzungen durch die Liedtexte.

Die Klägerin ist eine Verwertungsgesellschaft. Zur Begründung hatte sie vorgetragen, die Musikwerke seien im Rahmen des Trainings vervielfältigt worden und in dem Musikgenerator zu Grunde liegenden KI-Modell der Beklagten memorisiert. Durch die Ausgabe als Outputs sei es zu weiteren Rechtsverletzungen gekommen. Geltend gemacht wurden Urheberrechtsverletzungen in den USA und in Deutschland. Bei der Generierung der streitgegenständlichen Outputs gab die Klägerseite jeweils den originalen Liedtext des Musikstücks, den gewünschten Musikstil und den Werktitel in die Eingabemaske des Musikgenerators ein. Die Prompts enthielten keine Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement.

Die Beklagte bietet einen auf KI beruhenden Musikgenerator an, der auf Anfrage von Nutzern Musikstücke erstellt. Der Trainingsdatensatz der Beklagten für ihr Modell enthielt auch die streitgegenständlichen Musikwerke. Die Beklagte setzte sogenannte Stream-Ripping Techniken ein, um diese Musikwerke von der Plattform YouTube zu extrahieren und kopieren. Dabei umging sie den sogenannten Rolling Cipher, eine von der Plattform implementierte technische Schutzmaßnahme, die das Herunterladen von Audio- und Videoinhalten verhindern soll.

Die Beklagte hatte gegen die erhobenen Ansprüche eingewandt, die streitgegenständlichen Musikstücke seien bereits nicht urheberrechtlich geschützt. Zudem seien sie in den Outputs nicht wiedererkennbar. Die Trainingsdaten seien weder im Modell enthalten noch darin gespeichert. Die Gewichte und Parameter des Modells bildeten mathematisch erlernte Muster und verallgemeinerte Merkmale aus den Trainingsdaten ab, wie syntaktische, semantische und kontextuelle Zusammenhänge. Etwaige Ähnlichkeiten in den Outputs seien auf prompt-induzierte Einschränkungen des Suchraums sowie auf statistisch erlernte Muster zurückzuführen. Das Training mit den Musikstücken sei nach dem anzuwendenden US-amerikanischen Recht von dem Institut des fair use gedeckt, wobei das angerufene Gericht für diese Prüfung bereits nicht zuständig sei. Die angegriffenen Outputs seien das Resultat komplexer, iterativ verfeinerter Prompts der Klägerin, daher sei der Zurechnungszusammenhang durch die dazwischentretende, zielgerichtete Nutzerhandlung unterbrochen. Soweit deutsches Recht anwendbar sei, liege keine urheberrechtlich relevante Nutzungshandlung vor. Eventuelle Rechtseingriffe seien durch die Schranken des Text- und Data-Mining gerechtfertigt.

Nach der Entscheidung der erkennenden Kammer stehen der Klägerin die geltend gemachten Ansprüche sowohl aufgrund der gegebenen Vervielfältigung der Musikstücke im Rahmen des in den USA erfolgten Trainings, als auch aufgrund der in Deutschland Vervielfältigung im Modell und der Wiedergabe in den Outputs zu.

Im Einzelnen:

Nach der Entscheidung der Kammer ist diese nach § 131 Abs. 1 und 2 VGG (einem Gesetz, dass die Wahrnehmung von Urheberrechten und verwandten Schutzrechten durch Verwertungsgesellschaften, wie die GEMA, regelt) international für die Ansprüche zuständig, die aufgrund von Verletzungshandlungen auf dem Gebiet der USA geltend gemacht werden. Die Vorschrift gelte sowohl für die örtliche als auch die internationale Zuständigkeit und sehe einen besonderen Gerichtsstand des Sachzusammenhangs für die insofern privilegierten Verwertungsgesellschaften vor, deren Zweck die Wahrnehmung von Urheberrechten ist.

Nach Überzeugung der Kammer seien die streitgegenständlichen Musikstücke reproduzierbar in den Modellen Version v3.5 und v4 der Beklagten enthalten. Die Modelle waren auf Servern in Deutschland gespeichert. Aus der informationstechnischen Forschung sei bekannt, dass Trainingsdaten in KI-Modellen enthalten sein können und sich als Outputs extrahieren lassen. Dies werde als Memorisierung bezeichnet. Eine solche liege vor, wenn die KI-Modelle beim Training dem Trainingsdatensatz nicht nur Informationen entnähmen, sondern sich in den nach dem Training spezifizierten Parametern eine Übernahme auch des Inhalts der Trainingsdaten finde. Eine solche Memorisierung sei durch einen Abgleich der Musikstücke, die in den Trainingsdaten enthalten waren, mit den Wiedergaben in den Outputs festgestellt. Angesichts der Komplexität und Länge der Musikstücke sei der Zufall als Ursache für die Wiedergabe der Musikstücke ausgeschlossen.

Durch die Memorisierung sei eine Verletzung des Vervielfältigungsrechts nach § 16 UrhG gegeben. Diese Vervielfältigung in den Modellen sei nicht durch die Schrankenbestimmungen des Text und Data Mining des § 44b UrhG gedeckt.Auch durch die Wiedergabe der Musikstücke in den Outputs in Deutschland hätten die Beklagten nach der Entscheidung der Kammer unberechtigt die streitgegenständlichen Musikwerke vervielfältigt und öffentlich wiedergegeben. In den Outputs seien die originellen Elemente der Musikstücke wiedererkennbar. Hierfür sei die Beklagte und nicht die Nutzer verantwortlich. Die Outputs seien durch einfach gehaltene und ergebnisoffene Prompts generiert worden, die lediglich die Liedtexte und den Musikstil vorgegeben hatten. Die Beklagten betrieben die KI-Modelle, für die die Musikstücke als Trainingsdaten ausgewählt und mit denen sie trainiert worden sind. Sie seien für die Architektur der Modelle und die Memorisierung der Trainingsdaten verantwortlich. 

Damit hätten die von der Beklagten betriebenen Modelle die ausgegebenen Outputs inhaltlich bestimmt.

Zudem stelle bereits das Angebot des Modells und die Anwendung der Beklagten zur Generierung von Musik ein Verstoß gegen das unbenannte Recht der öffentlichen Wiedergabe nach § 15 Abs. 2 UrhG dar.

Für das und beim Training in den USA seien Vervielfältigungen der Musikwerke gefertigt worden. Nach dem Schutzlandprinzip sei für die Rechtsverletzungen auf dem Gebiet der USA US-amerikanisches Recht anwendbar. Da sich die Musikwerke in den Outputs wiederfänden, seien die Vervielfältigungen nach dem anwendbaren US-amerikanischen Recht nicht von der fair use Doktrin nach 17 U.S.C. § 107 gedeckt.

Der Sachverhalt unterscheide sich signifikant von dem, der den Verfahren Bartz und Kadrey zugrunde lag, und in denen zwei US-amerikanische Gerichte das Training von KI-Modellen als von fair use gedeckt ansahen. Während in den beiden Verfahren die Trainingsdaten nicht oder nicht substanziell in den Outputs dem Benutzer zugänglich gemacht worden waren, seien hier nach Eingabe von einfachen und ergebnisoffenen Prompts Outputs von der Beklagten generiert worden, die den Originalwerken wesentlich ähnlich seien. Sämtliche im Rahmen der fair use Prüfung nach den Vorgaben des Supreme Courts in seiner Warhol Entscheidung zu prüfende Faktoren sprächen gegen die Beklagte.

Das Urteil ist nicht rechtskräftig.

Pressemitteilung des LG München I vom 31.07.26

OLG Hamburg: Entscheidungsgründe im KI-Foto-Verfahren veröffentlicht – Berufung gegen das LG Hamburg zurückgewiesen

Wolfgang Riegger

Wir hatten am 11.12.2025 über das erstinstanzliche Urteil des LG Hamburg (27.09.2024, 310 O 227/23) berichtet. Inzwischen liegt die Berufungsentscheidung des Hanseatischen Oberlandesgerichts Hamburg vor – und vor allem: Die schriftlichen Entscheidungsgründe sind nun veröffentlicht.

Worum ging es?

Ein Fotograf wollte einem Verein untersagen lassen, seine Fotografie im Rahmen der Erstellung eines riesigen Bild-Text-Datensatzes zu vervielfältigen. Technisch lief es so: Aus einem bereits existierenden Datensatz wurden Bild-URLs extrahiert, die Bilder heruntergeladen und anschließend per Software mit den vorhandenen Bildbeschreibungen (z. B. Alternativtext) abgeglichen. Nicht passende Paare wurden aussortiert; im neu erstellten Datensatz wurden vor allem die Metadaten (insbesondere URL und Beschreibung) gespeichert. Die Downloads fanden in der zweiten Jahreshälfte 2021 statt.

Was ist der rechtliche Kern? § 44b UrhG (Text und Data Mining) greift – trotz Opt-out

Das OLG stellt klar: Schon der Abgleich „passt Bild zur Bildbeschreibung?“ ist eine automatisierte Analyse zur Gewinnung von Informationen und damit Text und Data Mining im Sinne von § 44b UrhG. Entscheidend ist dabei nicht, ob bereits in diesem Schritt ein „großer Erkenntnisgewinn“ entsteht oder ob das eigentliche KI-Training erst später erfolgt.

Der Dreh- und Angelpunkt war anschließend der Nutzungsvorbehalt (Opt-out) nach § 44b Abs. 3 UrhG. Das OLG bestätigt zwar, dass ein Vorbehalt grundsätzlich möglich ist – aber nur, wenn er bei online zugänglichen Werken in maschinenlesbarer Form erfolgt. Ein rein textlicher Vorbehalt in den Nutzungsbedingungen der Bildagentur genügte hier nach den konkreten Umständen nicht. Zusätzlich spielt der Zeitpunkt eine Rolle: Maßgeblich ist, ob ein Vorbehalt im Jahr 2021 technisch so gestaltet war, dass er in automatisierten Prozessen zuverlässig erkannt und verarbeitet werden konnte.

Warum hilft dem Fotografen auch § 44a UrhG nicht?

§ 44a UrhG (vorübergehende Vervielfältigungshandlungen) scheidet aus Sicht des OLG aus. Das gezielte Herunterladen einer Bilddatei, um sie mit spezieller Software zu analysieren, ist weder „flüchtig“ noch nur „begleitend“.

Und was ist mit der Forschungsschranke § 60d UrhG?

Neben § 44b UrhG hält das OLG – wie schon das LG – auch § 60d UrhG (Text und Data Mining für wissenschaftliche Forschung) im Ergebnis für einschlägig. Hervorgehoben werden dabei drei Punkte, die für Unternehmer und Projekte mit Forschungsbezug wichtig sind:

  1. Wissenschaftliche Forschung umfasst auch angewandte und technologische Forschung.
  2. Privilegiert ist nicht nur der „Erkenntnisschritt“ selbst: Auch vorbereitende Arbeitsschritte (wie Datensammlungen), die auf späteren Erkenntnisgewinn ausgerichtet sind, können erfasst sein.
  3. Zusammenarbeit mit Unternehmen ist nicht automatisch schädlich – kritisch wird es erst bei einer Public-Private-Partnership, in der ein privates Unternehmen bestimmenden Einfluss hat und zugleich bevorzugten Zugang zu Forschungsergebnissen erhält.

Was bedeutet das für Unternehmen?

  1. Datenpipeline und Dokumentation werden entscheidend: Wenn sich Projekte auf § 44b UrhG stützen, muss der Umgang mit Opt-outs organisatorisch und technisch belastbar sein.
  2. Opt-out ist kein „AGB-Satz“: Rechteinhaber müssen technisch nachlegen, wenn sie Text und Data Mining wirksam ausschließen wollen.
  3. Forschungskonstellationen sauber strukturieren: Bei § 60d UrhG sollte die Governance von Kooperationen so gestaltet sein, dass kein „bestimmender Einfluss“ und kein „bevorzugter Zugang“ eines Unternehmens entsteht.
  4. Die Sache ist noch nicht endgültig: Das OLG hat die Revision zum BGH zugelassen. Eine höchstrichterliche Leitentscheidung zu §§ 44b, 60d UrhG im Kontext KI-Training ist damit ausdrücklich angelegt.

Gericht / Datum / Aktenzeichen / Fundstelle

Hanseatisches Oberlandesgericht Hamburg (5. Zivilsenat)
Urteil vom 10.12.2025
Az. 5 U 104/24

US-Urteil zu Anthropic und urheberrechtlich geschützten Büchern – Was bedeutet das für Deutschland?

Wolfgang Riegger

Die Entwicklung Künstlicher Intelligenz (KI) erfordert enorme Datenmengen – oft in Form urheberrechtlich geschützter Texte. Doch was darf verwendet werden? Wann ist eine Nutzung rechtlich zulässig? Ein aktuelles Urteil aus den USA gibt darauf teils überraschende Antworten – mit wichtigen Implikationen für den deutschen Rechtsraum.

Der Fall: Anthropic und das KI-Training mit Millionen Büchern

Das US-Unternehmen Anthropic, Betreiber des LLM-Systems „Claude“, hatte Millionen Bücher zum Training seines Sprachmodells genutzt – teils aus legalen, teils aus illegalen Quellen. Drei Autoren klagten wegen Urheberrechtsverletzung. Das zuständige Bundesgericht (Northern District of California, Urteil vom 23.06.2025 – Az. C 24-05417 WHA) entschied differenziert:

  • Erlaubt: Training mit rechtmäßig gekauften und digitalisierten Büchern – die Nutzung sei „transformativ“ und falle unter „Fair Use“.
  • Erlaubt: Digitalisierung von Printbüchern zur internen Nutzung – als zulässiger Formatwechsel.
  • Nicht erlaubt: Aufbau einer digitalen Bibliothek mit Pirateriekopien – hierfür gebe es keine rechtliche Grundlage.

Fair Use – die US-Schranke im Überblick

Das US-Recht kennt eine offene Schranke namens „Fair Use“. Ob eine Nutzung erlaubt ist, wird anhand dieser vier Kriterien bewertet:

  1. Zweck der Nutzung (kommerziell oder gemeinnützig; transformativ?)
  2. Art des Werkes (Sachbuch oder Fiktion?)
  3. Umfang der Nutzung
  4. Auswirkungen auf den Marktwert des Originals

Diese Bewertung erfolgt stets im Einzelfall und lässt dem Gerichtsspielraum – das unterscheidet das US-System deutlich vom deutschen.

Und wie ist die Rechtslage in Deutschland?

Das deutsche Urheberrecht enthält keine offene Fair-Use-Klausel, sondern streng definierte gesetzliche Ausnahmen:

§ 44a UrhG – Technisch bedingte Vervielfältigungen

Erlaubt sind nur flüchtige Kopien, etwa beim Streaming oder Caching. Gezielte Speicherung zur Analyse (z. B. für KI) ist davon nicht erfasst – das hat zuletzt auch das LG Hamburg (Urt. v. 27.09.2024 – 310 O 227/23) bestätigt.

§ 60d UrhG – Data Mining für wissenschaftliche Zwecke

Diese Vorschrift erlaubt Text- und Data-Mining – jedoch ausschließlich für nicht-kommerzielle Forschungseinrichtungen. Unternehmen können sich hierauf nicht berufen.

§ 44b UrhG – Kommerzielles Data Mining mit Opt-Out-Möglichkeit

Erlaubt automatisiertes Auslesen (TDM) durch Unternehmen – sofern der Rechteinhaber dem nicht widersprochen hat (z. B. durch maschinenlesbaren Hinweis). Wichtig: Die verwendeten Daten dürfen nicht dauerhaft gespeichert werden.

Was bedeutet das für Unternehmen, die LLMs trainieren möchten?

  • Der Einsatz von urheberrechtlich geschützten Texten bedarf einer sorgfältigen Prüfung.
  • Pirateriequellen sind rechtlich ausgeschlossen – unabhängig vom Verwendungszweck.
  • Für kommerzielle TDM-Prozesse kann § 44b UrhG einen rechtlichen Rahmen bieten – vorausgesetzt, die rechtlichen Voraussetzungen (kein Widerspruch, spätere Löschung) werden eingehalten.
  • Eine pauschale Ausnahme wie im US-amerikanischen „Fair Use“ existiert nicht.

Fazit

Die Entscheidung aus den USA zeigt: KI-Training mit urheberrechtlich geschützten Inhalten kann zulässig sein – aber es kommt auf den Zweck, die Herkunft der Daten und die Nutzungsart an. In Deutschland gelten klare Regeln: Wer mit urheberrechtlich geschützten Werken arbeitet, braucht entweder eine Lizenz oder muss sich genau innerhalb der gesetzlichen Schranken bewegen.

Verarbeitung von Nutzerdaten für KI-Training: OLG Köln weist Verfügungsantrag gegen Meta-Tochter ab

Wolfgang Riegger

Nachdem Meta im April 2025 ankündigte, öffentlich zugängliche Inhalte von Facebook- und Instagram-Nutzern für das Training eines KI-Modells verwenden zu wollen, wurde dies bereits breit diskutiert. Nun liegt die vollständige Entscheidung des OLG Köln vor.

Ein Verbraucherschutzverband beantragte im Eilverfahren:

  1. Untersagung des KI-Trainings mit öffentlich zugänglichen personenbezogenen Daten aus Facebook und Instagram – gestützt auf berechtigtes Interesse (Art. 6 Abs. 1 lit. f DSGVO).
  2. Hilfsweise Verbot der Zusammenführung solcher Daten aus beiden Diensten ohne Einwilligung – gemäß Art. 5 Abs. 2 DMA.

Der „Digital Markets Act“ (DMA) ist eine EU-Verordnung, die faire Wettbewerbsbedingungen auf digitalen Plattformmärkten schaffen soll. Sie richtet sich an besonders mächtige Internetunternehmen (sog. „Torwächter“) und legt ihnen spezifische Verhaltenspflichten auf. Unter anderem verbietet der DMA das Zusammenführen personenbezogener Daten aus verschiedenen Plattformdiensten, wenn keine wirksame Einwilligung der Nutzer vorliegt.

OLG Köln: Gesamtabweisung der Anträge

Das Gericht lehnte beide Anträge ab:

  • Kein DMA-Verstoß: Eine rein unspezifische Einbindung in einen KI-Datensatz stellt keine „gezielte Zusammenführung“ im Sinne des DMA dar.
  • DSGVO – berechtigtes Interesse bejaht: Meta verfolge legitime Zwecke beim KI-Training; die Mittel seien angemessen und keine mildere Alternative gegeben.
  • Transparenz & Opt-out: Ab 26. Juni 2024 sei die Nutzung öffentlich bewusst erfolgt und Nutzer konnten per Widerspruch oder Profiländerung aktiv intervenieren.

Gerichtliche Schwerpunktsetzung

  • Sensible Daten: Selbst sensible Infos aus öffentlichen Beiträgen könne nach Art. 9 Abs. 2 lit. e DSGVO zulässig sein – sofern solche Daten aktiv veröffentlicht wurden.
  • Rolle der Aufsichtsbehörden: Im Verfahren wurden die irische Datenschutzaufsicht, der Hamburgische Beauftragte für Datenschutz und Informationsfreiheit sowie der Europäische Datenschutzausschuss angehört. Keine dieser Behörden hatte Einwände gegen das aktualisierte Konzept von Meta.

Bewertung für Unternehmer & Plattformbetreiber

  • Leitlinie für KI-Projekte: Öffentlich zugängliche Inhalte dürfen – unter Bedingungen – auch ohne Einwilligung genutzt werden.
  • Erforderliche Voraussetzungen: Vollständige Transparenz, leicht umsetzbares Opt-out, technische Maßnahmen zur De-Identifikation.
  • Rechtliche Grenzen: Das Urteil ist einstweilig; im Hauptsacheverfahren könnten strengere Anforderungen folgen, besonders bei sensiblen Informationen oder Profilbildung.
  • DMA bleibt im Fokus: Höhere instanzliche Klärung nötig, wenn Gerätearten aus verschiedenen Plattformen individuell personalisiert zusammengeführt werden.

Fazit

Das OLG Köln stärkt temporär die Position von KI-Anbietern, indem es öffentlich verwendete Nutzer-Daten unter klaren Bedingungen erlaubt. Dennoch bleibt Wachsamkeit geboten: Hauptsacheverfahren, künftige Gesetzgebung (s. AI-VO) und mögliche Entwicklungen in Bezug auf sensible Daten oder Profiling können die Rechtslage erneut verschärfen. Dieses Urteil liefert einen plausiblen Rahmen – aber keine umfassende Legalisierung.

Es ist zudem wichtig zu beachten, dass sich das Gericht in dieser Entscheidung ausschließlich mit datenschutzrechtlichen und DMA-rechtlichen Fragen befasst hat. Urheberrechtliche Aspekte – etwa ob die Verwendung von Fotos, Texten oder Videos für KI-Training zulässig ist – waren nicht Gegenstand der Entscheidung und bleiben daher unbeantwortet. Das OLG Köln stärkt temporär die Position von KI-Anbietern, indem es öffentlich verwendete Nutzer-Daten unter klaren Bedingungen erlaubt. Dennoch bleibt Wachsamkeit geboten: Hauptsacheverfahren, künftige Gesetzgebung (s. AI-VO) und mögliche Entwicklungen in Bezug auf sensible Daten oder Profiling können die Rechtslage erneut verschärfen. Dieses Urteil liefert einen plausiblen Rahmen – aber keine umfassende Legalisierung.