www.hadley.tv

Ich sitze hier vor meinem PC, die Lüfter meines Rechners summen leise vor sich hin, während ich mich durch die neuesten Gerichtsprotokolle aus München und New York wühle. Es ist schon faszinierend: Wir haben Maschinen erschaffen, die fast so gut schreiben können wie wir selbst. Aber während die Tech-Giganten von einer neuen Ära der Kreativität schwärmen, stellen sich Millionen von Autoren, Bloggern und Journalisten eine sehr berechtigte, fast schon existenzielle Frage: Moment mal, hast du das alles gerade von mir gelernt, ohne mich überhaupt zu fragen?

Die Debatte um KI und Urheberrecht fühlt sich oft wie ein Grabenkrieg an. Auf der einen Seite stehen die Entwickler, die behaupten, ihre Modelle würden nur wie ein menschlicher Schüler lernen, der viele Bücher liest. Auf der anderen Seite stehen die Urheber, die sagen: Nein, ihr habt meine harte Arbeit ohne Erlaubnis in einen digitalen Mixer geworfen, um daraus ein Produkt zu machen, das mich am Ende vielleicht sogar ersetzt. Aber klaut eine KI wirklich? Um das zu klären, müssen wir verstehen, was beim Training hinter den Kulissen passiert. Es ist eben kein klassisches Kopieren, wie wir es früher vom Brennen einer CD kannten. Es ist eher so, als würde jemand Milliarden von Sätzen lesen und sich nur die statistische Wahrscheinlichkeit merken, welches Wort normalerweise auf das nächste folgt.

In Europa ist die Lage besonders spannend, weil wir mit neuen Gesetzen versuchen, einen Mittelweg zu finden. Es geht um die schwierige Frage, ob das bloße Auswerten von Daten – das sogenannte Text and Data Mining – schon eine Urheberrechtsverletzung ist oder ob das erst passiert, wenn die KI am Ende einen Text ausspuckt, der einem Original viel zu ähnlich sieht. Dass die Gerichte hier mittlerweile ganz genau hinschauen, zeigen die aktuellen Klagen großer Medienhäuser, die das gesamte Fundament der Branche erschüttert haben. Lass uns also mal unter die Haube schauen und klären: Ist die KI ein genialer Schüler oder doch eher ein digitaler Taschendieb?

So lernt die KI:

Die Trainings-Pipeline einer Large Language Model (LLM) wie dieser basiert auf einem autoregressiven Transformer-Architektur-Stack mit GPT-ähnlicher Next-Token-Prediction, wobei das Pre-Training über einen Korpus von Billionen Tokens aus diversifizierten Web-Dumps, Büchern und Code-Repos erfolgt, unter Verwendung von Byte-Pair-Encoding (BPE) mit einem Vokabular von ~50k Subwords für effiziente Kompression. Im Supervised Fine-Tuning (SFT)-Stadium werden qualitativ hochwertige Prompt-Response-Paare via RLHF (Reinforcement Learning from Human Feedback) optimiert, wobei ein Reward-Modell (RM) Proximal Policy Optimization (PPO) steuert, um Perplexity zu minimieren (typisch ~5-10 auf WikiText) und Alignment mit menschlichen Präferenzen zu maximieren, ergänzt durch Direct Preference Optimization (DPO) für direkte Policy-Updates ohne expliziten RM. Zusammengefasst lernt so eine Text-KI durch gradientenbasiertes Backpropagation (AdamW mit LR ~1e-4, warmup + cosine decay) statistische Token-Übergangswahrscheinlichkeiten aus massivem Datenhunger, die dann via Beam-Search oder Sampling (top-p/nucleus mit temp 0.8-1.0) zu kohärenten, kontextuell adaptiven Outputs dekodiert werden, wobei Guardrails wie Safety-Classifier und Token-Budget-Halting die Inference-Integrität gewährleisten.

Alles klar? Nein? Du hast nichts davon verstanden? Dann mal auf „normalem“ Deutsch:

Stell dir vor, eine super clevere Maschine namens KI will lernen, wie Menschen Geschichten erzählen oder Fragen beantworten. Zuerst füttert man sie mit riesig vielen Büchern, Internetseiten und Texten. Das ist wie wenn du Milliarden Wörter liest, um zu merken, welches Wort meistens nach dem anderen kommt, zum Beispiel "Hund" oft mit "bellt" oder "läuft". Danach übt sie mit Helfern, die sagen: "Das ist gut!" oder "Das mach besser!", damit sie nettere und schlauere Antworten gibt. Am Ende denkt sie blitzschnell nach und baut Sätze Wort für Wort wie ein Puzzle, immer so, dass es klingt wie von einem echten Menschen. Die KI speichert die alten Texte nicht einfach ab wie Fotos in einem Album, sondern berechnet daraus geheime Muster. Das sind wie Zauberrezepte mit Regeln, wann welches Wort passt. Diese Muster werden in ihrem "Gehirn" (einem riesigen Netz aus Zahlen) fest gespeichert. So kann sie neue Texte erfinden, ohne die Originale je wieder zu brauchen. So lernt die KI schreiben, ohne je selbst ein Buch gelesen zu haben!

Besser? Dann etwas ausführlicher:

Eine Text-KI lernt in mehreren Phasen, um menschliche Texte zu verstehen und selbst welche zu erzeugen. Zuerst erfolgt das Pre-Training: Die KI wird mit Billionen von Wörtern aus Büchern, Webseiten, Artikeln und Code gefüttert. Sie analysiert nicht den Inhalt im Detail, sondern lernt statistische Muster, indem sie vorhersagt, welches Wort oder welcher Wortteil typischerweise als Nächstes kommt. Zum Beispiel merkt sie sich, dass nach "Der Hund" häufig "läuft" oder "bellt" folgt. Dazu zerlegt sie Texte mit Byte-Pair-Encoding in kleine Einheiten und speichert keine Originaltexte, sondern nur Wahrscheinlichkeiten in einem riesigen neuronalen Netzwerk auf Transformer-Basis. Dieses Netzwerk aus Milliarden Parametern kodieren Regeln der Sprache als Gewichte, die durch wiederholtes Üben angepasst werden.

Im nächsten Schritt, dem Supervised Fine-Tuning (SFT), bekommt die KI Beispiele von guten Frage-Antwort-Paaren und lernt, hilfreiche Reaktionen zu imitieren. Danach folgt Reinforcement Learning from Human Feedback (RLHF): Menschen bewerten KI-Outputs, ein Belohnungsmodell lernt daraus Vorlieben (z. B. wahrheitsgetreu, freundlich) und optimiert die KI mit Techniken wie PPO. Ergänzend kommt Direct Preference Optimization (DPO) zum Einsatz, das Präferenzen direkt einfließt, ohne komplexe Zwischenschritte.

Bei der Nutzung (Inference) nimmt die KI deinen Input, verarbeitet ihn kontextuell und generiert Token für Token eine Antwort. Sie wählt nicht mechanisch das wahrscheinlichste Wort, sondern nutzt Sampling-Methoden wie Top-p oder Nucleus mit Temperatur für Natürlichkeit und variiert mit Beam-Search für Qualität. Guardrails blocken schädliche Inhalte. Am Ende basiert alles auf komprimierten Mustern, nicht auf gespeicherten Daten.

Ja, die KI liest tatsächlich Milliarden von Texten während ihres Trainings, um die Feinheiten der Sprache zu erfassen. Nein, sie speichert diese Texte nicht einfach als Kopien ab, wie Dateien auf einer Festplatte. Stattdessen extrahiert sie Muster und Wahrscheinlichkeiten, wie Regeln darüber, welches Wort typischerweise auf ein anderes folgt, und komprimiert dieses Wissen in ein gigantisches Netzwerk aus Zahlen. Am Ende kann sie so neue originelle Texte erzeugen, die natürlich klingen, ohne je auf die Originale zurückzugreifen.

Für Autoren bedeutet das:

Eure Werke werden nicht als Kopien in der KI gespeichert, sondern dienen nur als Lernmaterial für Sprachmuster, ähnlich wie ein Mensch aus Büchern lernt, ohne sie wortwörtlich zu merken. Das widerspricht dem Vorurteil des "Kopierens" und stärkt rechtlich oft die Position der KI-Entwickler, da Gerichte in Fällen wie USA (z. B. New York Times vs. OpenAI) Fair Use oder Text and Data Mining als zulässig sehen, solange keine exakten Reproduktionen entstehen. In Europa erlaubt die DSM-Richtlinie (Art. 3+4) solches Mining für Forschung, doch laufende Klagen großer Verlage fordern Opt-in oder Lizenzpflichten, was zu strengeren Regeln führen könnte. Autoren sollten also eigene Verträge mit Plattformen prüfen und Tools wie Robotext.txt nutzen, um Webinhalte vor Crawling zu schützen.

In Europa haben Gerichte in mehreren Fällen Autoren und Rechteinhaber gegenüber KI-Anbietern gestärkt, insbesondere beim Training mit geschützten Werken. Das prominenteste Urteil stammt vom Landgericht München I (Az. 42 O 14139/24, November 2025): Die GEMA siegte gegen OpenAI/ChatGPT, da das Modell urheberrechtlich geschützte Liedtexte "memorisiert" und auf Prompts reproduziert habe – eine Vervielfältigungsverletzung (§ 16 UrhG) und öffentliche Zugänglichmachung (§ 19a UrhG). Text- und Data-Mining-Schranken (§ 44b UrhG) greifen hier nicht, da generative KI keine reine Analyse sei, sondern Werke dauerhaft integriere; OpenAI muss Lizenzen erwerben.

Ähnlich entschied das Landgericht München zuvor (2023) zugunsten der GEMA: KI-Training mit Songtexten ohne Lizenz verletzt Urheberrechte, da Kopien im System verbleiben und ausgegeben werden können. In Frankreich klagten Verleger/Verbände gegen Meta (2025), mit anhängigen Verfahren, die ähnliche Nutzung von Büchern kritisieren. Im Prager Bezirksgericht (Az. 10 C 13/2023) wurden KI-generierte Bilder als nicht schutzfähig eingestuft, was indirekt Originalautoren nutzt.

Diese Entscheidungen sind Meilensteine, da sie KI-Anbieter zur Lizenzpflicht zwingen und Fair-Use-Argumente (wie in USA) einschränken. Berufungen laufen, z. B. bei OpenAI. Autoren gewinnen dadurch an Verhandlungsmacht.

Wie kann ein Nachweis erbracht werden

Autoren können einen Nachweis, dass ihre spezifischen Texte in einer KI "kopiert" (also wörtlich gespeichert oder reproduziert) wurden, nur schwer erbringen, da Modelle keine Originaldateien ablegen, sondern komprimierte Muster lernen. Der Nachweis erfolgt typischerweise durch Prompting-Tests: Spezifische, einzigartige Passagen aus dem eigenen Werk als Prompts eingeben und prüfen, ob die KI nahezu identische Auszüge ausspuckt, wie im GEMA vs. OpenAI-Urteil (Landgericht München, 2025), wo Liedtexte auf Anfrage reproduziert wurden und dies als Vervielfältigungsverletzung galt.

KI-Detektoren mit Plagiatscheck:
Tools wie Originality.ai, Winston AI oder Scribbr scannen Outputs auf Übereinstimmungen mit deinem Werk (bis 97% Genauigkeit) und erkennen Paraphrasen.

Stilometrie und Wasserzeichen:
Analysiere Outputs auf deinen Schreibstil (Syntax, Vokabeln) oder nutze OpenAI-Wasserzeichen (99% Detektion). OpenAI hat Wasserzeichen für Text nicht offiziell eingeführt; frühere Tests (2025) wurden als Trainingsartefakte deklariert und behoben. Es gilt als Forschung, mit Fokus auf Metadaten oder Bilder (DALL-E). Kritik: Manipulierbar und nicht transparent.

Gerichtliche Black-Box-Tests:
Anwälte fordern Zugang zu Trainingsdaten/Modellgewichten; Gerichte wie München I haben dies zunehmend genehmigt.

Rolle im Recht:
Europäische Gerichte (z. B. DSM-Richtlinie) verlangen kein volles "Kopieren", aber wörtliche Reproduzierbarkeit oder unlizenzierte Nutzung im Training reicht für Haftung (UrhG §16/44b). Ohne Nachweis scheitern Klagen jedoch oft an Fair-Use-Argumenten. Autoren nutzen Robotext.txt oder Lizenzen präventiv.

Die KI-Urheberrechtsdebatte zeigt:

Modelle lernen aus Milliarden Texten, speichern aber keine Kopien, sondern destillieren Sprachmuster – ein Prinzip, das Gerichte wie München I (GEMA vs. OpenAI) nun mit Lizenzzwang und Haftung für Reproduktionen bestätigen. Autoren können via Prompting, Detektoren oder Stilanalysen Nachweise erbringen, doch präventive Maßnahmen wie Robotext.txt oder Lizenzverträge gewinnen an Bedeutung.

Bis 2027 erwarten EU-weite Opt-in-Pflichten für Trainingsdaten (AI Act), mit Kompensationen für Autoren und standardisierten Wasserzeichen (nicht nur OpenAI-Versuche). KI-Firmen werden Lizenzen massenhaft kaufen, Plattformen entstehen für faire Vergütung, während Open-Source-Modelle auf public-domain-Daten setzen. Autoren profitieren letztlich: Mehr Schutz, neue Einnahmequellen und kreative Kooperationen mit KI-Tools.