(openPR) Der Einsatz Künstlicher Intelligenz in der Musikproduktion nimmt zu, bringt jedoch erhebliche urheberrechtliche Herausforderungen mit sich. Besonders kritisch wird es, wenn KI-Systeme im Training geschützte Werke verwenden oder diese in ihren Ausgaben erkennbar reproduzieren. Ein aktuelles Urteil des Landgerichts München I vom 31. Juli 2026 (Az. 42 O 763/25) zeigt, dass Anbieter generativer Musiksysteme erheblichen rechtlichen Ansprüchen ausgesetzt sein können, die Unterlassung, Auskunft und Schadenersatz umfassen.
Entscheidung des Landgerichts München I – 31. Juli 2026
In einem richtungsweisenden Fall entschied das Landgericht München I zugunsten einer Rechteverwertungsgesellschaft, die gegen einen Betreiber eines KI-basierten Musikgenerators klagte. Es ging um die Frage, ob geschützte Musikwerke im Training vervielfältigt und im Modell derart gespeichert wurden, dass sie später in wiedererkennbarer Form als Ausgaben erscheinen können. Das Gericht bejahte dies weitgehend und erkannte der Klägerin entsprechende Ansprüche zu.
Obwohl das Urteil noch nicht rechtskräftig ist, setzt es Maßstäbe für die Bewertung von KI-Training, „Memorisierung“ und Output-Ähnlichkeit.
Fokus des Verfahrens: Trainingsdaten und Memorisierung
Gegenstand der Klage waren sechs bekannte Musikwerke, darunter „Atemlos durch die Nacht“ und „Rasputin“. Die Klägerin argumentierte, dass diese Werke im Training vervielfältigt und vom System so gespeichert wurden, dass sie bei passenden Eingaben wiedererkennbar ausgegeben werden können. Besonders problematisch war die angebliche Beschaffung der Werke durch Stream-Ripping von YouTube, bei dem technische Schutzmaßnahmen umgangen wurden.
Die Beklagte bestritt die Wiedererkennbarkeit der Outputs und führte an, dass etwaige Ähnlichkeiten auf statistisch erlernte Muster zurückzuführen seien, nicht auf eine Speicherung von Trainingsdaten.
Rechtliche Grundlagen: Vervielfältigung durch KI-Training
Nach dem Urheberrechtsgesetz haben Rechteinhaber das Vervielfältigungsrecht gemäß § 16 UrhG. Das Gericht entschied, dass eine Vervielfältigung auch dann vorliegt, wenn geschützte Werke im KI-Modell so gespeichert werden, dass sie als Outputs reproduziert werden können.
Das Gericht stellte fest, dass die strittigen Musikstücke im Modell der Beklagten reproduzierbar enthalten waren und auf Servern in Deutschland gespeichert wurden. Das Konzept der „Memorisierung“ war entscheidend: Es liegt vor, wenn die Modellparameter nach dem Training nicht nur abstraktes Wissen, sondern eine inhaltliche Übernahme der Trainingsdaten aufweisen.
Kein Schutz durch Text- und Data-Mining-Schranke
Das Gericht verneinte, dass die Schrankenregelung des § 44b UrhG im Fall des KI-Trainings eingreift. Diese Regelung setzt rechtmäßigen Zugang und weitere Voraussetzungen voraus, die das Gericht im konkreten Fall als nicht gegeben ansah.
Ähnlichkeit der Outputs und das Recht der öffentlichen Wiedergabe
Das Gericht erkannte, dass die KI-Outputs den Originalwerken so stark ähnelten, dass sie für das Publikum wiedererkennbar waren. Damit stand nicht nur die unrechtmäßige Vervielfältigung im Raum, sondern auch eine mögliche Verletzung des Rechts der öffentlichen Wiedergabe nach § 15 Abs. 2 UrhG.
Internationale Perspektive: US-Recht und „fair use“
Im Hinblick auf behauptete Rechtsverletzungen in den USA wandte das Gericht US-amerikanisches Recht an. Es entschied, dass die Vervielfältigungen nicht durch die „fair use“-Doktrin gedeckt waren, da die Outputs wiedererkennbar blieben.
Typische Ansprüche und die Bedeutung von Auskunft
Das Urteil illustriert, welche Ansprüche Rechteinhaber gegen KI-Anbieter erheben können: Unterlassung, Auskunft und Schadenersatz. Insbesondere die Auskunft ist wichtig, da sie die Grundlage für die Berechnung von Schadenersatz bildet.
Risiken durch Stream-Ripping
Im Verfahren wurde vorgetragen, dass Werke durch Stream-Ripping von YouTube beschafft wurden. Diese Methode kann zusätzliche rechtliche Risiken mit sich bringen, etwa das Umgehen technischer Schutzmaßnahmen.
Praktische Implikationen für KI-Musikgeneratoren
Das Urteil hebt mehrere Risikofelder hervor:
1. Training: Die Nutzung geschützter Werke kann als Vervielfältigung relevant sein.
2. Memorisierung: Maßnahmen zur Vermeidung von „memorisierten“ Ausgaben sind wichtig.
3. Output-Design: Funktionen, die auf bekannte Titel hinführen, erhöhen das Risiko.
4. Dokumentation: Eine transparente Nachvollziehbarkeit der Datenherkunft ist entscheidend.
5. Internationale Struktur: Serverstandorte können verschiedene Rechtsordnungen betreffen.
Fazit
Das Urteil des LG München I verdeutlicht, dass generative Musiksysteme nicht nur bei der Veröffentlichung von Outputs, sondern auch bei der Nutzung geschützter Werke in Trainingsprozessen rechtliche Risiken bergen. Insbesondere das Risiko von Unterlassung, Auskunft und Schadenersatz besteht, wenn Werke oder prägende Elemente als Outputs wiedererkennbar sind.
Hinweis: Dieser Beitrag bietet allgemeine Informationen und ersetzt keine individuelle rechtliche Beratung.
