KI und Urheberrecht

FAKTEN-DOSSIER 03

Trainingsdaten, Text und Data Mining, Modellgewichte, Outputs und Datenbankrecht

Rechts- und Recherchestand: 7. August 2026 Räumlicher Schwerpunkt: Deutschland, Europäische Union/EWR; USA als Vergleich Verwendungszweck: belastbare Wissensbasis für eine deutsche Sachbuchreihe über KI und Unternehmenspraxis

Version 1.0 Dateiname: 03_ki-urheberrecht-tdm-faktendossier_2026-08-07.pdf

Zentrale Rechtslage § 44b UrhG ist keine pauschale Lizenz für ein vollständiges KI-System. Datenbeschaffung, Datensatzbildung, Training, Modellzustand und Output müssen getrennt geprüft werden. Die höchstrichterliche Klärung mehrerer Kernfragen steht am Stichtag noch aus. ^{[S-002, S-033, S-041]}

Aktueller Verfahrenshinweis Der BGH verhandelt LAION am 3. September 2026. EuGH C-250/25 ist anhängig. Die Münchner OpenAI- und Suno-Urteile sind erstinstanzlich. Vor jeder Veröffentlichung nach dem 7. August 2026 ist ein Refresh zwingend. ^{[S-033-S-037, S-041]}

Abgrenzung Dieses Dossier ist ein neutraler Recherchestand und keine individuelle Rechtsberatung. Es ersetzt keine Einzelfallprüfung von Datenquellen, Lizenzen, Modellen und Outputs.

Statuskennzeichnungen

Management-Zusammenfassung

Das Urheberrecht beantwortet die Frage "Darf KI mit diesem Material arbeiten?" nicht mit einem einzigen Ja oder Nein. Entscheidend sind Schutzgegenstand, Quelle, Zugang, Nutzungshandlung, Zweck, Rechtevorbehalt, Rechtsraum und spätere Ausgabe. Ein Unternehmen muss deshalb mindestens Datenbeschaffung, Datensatzaufbereitung, Training, Modellzustand, RAG und Output getrennt bewerten. ^{[S-001, S-002, S-009, S-089-S-091]}

Für Deutschland bilden § 44b UrhG und Art. 4 DSM-Richtlinie die allgemeine TDM-Schranke. Sie können erforderliche Vervielfältigungen rechtmäßig zugänglicher Werke erlauben, wenn der Rechteinhaber die Nutzung nicht wirksam vorbehalten hat. Online muss der Vorbehalt maschinenlesbar sein. Die Kopien sind zu löschen, sobald sie für das TDM nicht mehr erforderlich sind. Diese Voraussetzungen ergeben keine pauschale Freigabe eines dauerhaft bereitgestellten generativen Modells oder werknaher Outputs. ^{[S-002, S-006, S-009]}

§ 60d UrhG privilegiert wissenschaftliches TDM stärker und lässt sich nicht durch denselben Opt-out verdrängen. Der Begünstigtenkreis ist jedoch eng: Forschungseinrichtungen, Kulturerbeeinrichtungen und begrenzt nichtkommerziell handelnde Forscher. Ein bestimmender Unternehmenseinfluss oder bevorzugter Ergebniszugang kann die Privilegierung ausschließen. ^{[S-003, S-006, S-009]}

Die deutsche Rechtsprechung ist 2026 in Bewegung. Hamburg erlaubt im LAION-Sachverhalt den Download eines Fotos für die Erstellung eines Bild-Text-Datensatzes; das OLG stützt sich auf § 44b und hält den damaligen Textvorbehalt nicht für maschinenlesbar. Der BGH verhandelt die Revision erst am 3. September 2026. Die Entscheidungen sagen nicht abschließend, ob das spätere Training eines generativen Modells oder dessen Gewichte zulässig sind. ^{[S-031-S-033]}

Das LG München I vertritt in den erstinstanzlichen OpenAI- und Suno-Verfahren eine deutlich strengere Linie. Es nimmt auf den konkreten Beweisen werkbezogene Memorisierung beziehungsweise Speicherung in Parametern und Rechtsverletzungen durch werknahe Outputs an. Beide Urteile sind nicht rechtskräftig. Sie sind wichtig, dürfen aber nicht als höchstrichterlich gesicherte allgemeine Regel beschrieben werden. ^{[S-034-S-037]}

Technisch ist belegt, dass Modelle unter bestimmten Bedingungen Trainingsdaten memorisieren und extrahierbar wiedergeben können. Ebenso ist belegt, dass dies nicht gleichmäßig für alle Werke geschieht und Deduplizierung Risiken reduziert. Die juristische Einordnung von Modellgewichten verlangt daher eine konkrete technische Beweisführung statt pauschaler Metaphern. ^{[S-081-S-087]}

Für Outputs gilt eine eigene Prüfung. Ein rein autonomer Output ist nach der deutschen/europäischen Systematik regelmäßig nicht als menschliches Werk geschützt. Menschliche Auswahl, Anordnung und Überarbeitung können dagegen Schutz begründen. Unabhängig davon kann auch ein selbst ungeschützter Output fremde Rechte verletzen. ^{[S-001, S-038, S-045, S-062, S-064]}

Datenbankrecht ist für Webkorpora und RAG zentral. Einzelne Fakten können frei sein, während Auswahl, Anordnung oder wesentliche Investitionen in Beschaffung, Prüfung und Darstellung geschützt sind. Wiederholtes Scraping kleiner Teile kann ebenso relevant sein wie eine einmalige wesentliche Entnahme. ^{[S-011, S-046, S-054-S-057]}

Der AI Act schafft abseits des materiellen Urheberrechts eine zusätzliche Ebene. GPAI-Anbieter benötigen eine Copyright-Compliance-Policy und eine öffentliche Zusammenfassung der Trainingsinhalte. Diese Pflichten erhöhen Transparenz, sind aber weder Lizenz noch TDM-Schranke. ^{[S-019-S-024]}

US-Verfahren liefern keine deutsche Rechtsgrundlage. Fair Use ist offen und fallbezogen. Thomson Reuters, Bartz, Kadrey und die New-York-Times-Verfahren zeigen unterschiedliche Ergebnisse je nach Produkt, Datenbeschaffung und Marktschadensbeweis. Der Anthropic-Vergleich zu bestimmten piratisch beschafften Büchern ist kein allgemeines Urteil über jedes Modelltraining. ^{[S-063, S-068-S-075, S-098]}

Praktische Kernentscheidung Wer ein KI-Projekt seriös freigeben will, benötigt eine dokumentierte Rechtekette, eine phasenbezogene Erlaubnis, einen belastbaren Opt-out-Prozess, Lösch- und Retentionregeln, Modell-/Outputtests und klare Vertrags- und Freigaberegeln.

Die 50 wichtigsten Kernaussagen

Methodik und Recherchegrenzen

Das Dossier priorisiert deutsche und europäische Primärquellen: UrhG, DSM-, InfoSoc-, Datenbank- und Software-Richtlinie, AI Act, amtliche Gesetzesmaterialien sowie veröffentlichte Gerichtsentscheidungen. Offizielle Behörden- und Forschungsquellen dienen der Einordnung. US-Recht wird nur als ausdrücklich markierter Vergleich verwendet. ^{[S-001-S-024, S-031-S-080]}

Gerichtsverfahren werden nach Instanz und Status bezeichnet. Urteil, Pressemitteilung, anhängige Revision, frühe Abweisungsentscheidung und Vergleich werden nicht gleichgesetzt. Besonders schnell veraltend sind BGH I ZR 281/25, EuGH C-250/25 sowie Rechtsmittel gegen die Münchner Entscheidungen. ^{[S-033-S-037, S-041]}

Technische Aussagen zu Memorisierung stützen sich auf Originalforschung. Sie werden nicht automatisch in juristische Schlussfolgerungen übersetzt. Eine empirisch extrahierbare Sequenz kann ein starkes Indiz sein, ersetzt aber nicht die Prüfung von Werkqualität, Rechteinhaberschaft, Schranke, Territorialität und Zurechnung. ^{[S-081-S-088]}

Die Recherche ist auf den Stichtag 7. August 2026 eingefroren. Quellen nach diesem Datum sind nicht eingearbeitet. Die BGH-Verhandlung am 3. September 2026 und weitere erwartete Verfahrensschritte liegen ausdrücklich außerhalb des Rechtsstands. ^{[S-033, S-041]}

Nicht alle der 98 Quellen sind gleich stark. Gesetze, EUR-Lex, offizielle Gerichte und Originalstudien tragen die Kernaussagen. Branchenstandards und WIPO-/EUIPO-Übersichten ergänzen Praxis und technische Umsetzung, ersetzen aber keine Rechtsquelle. Anbieterwerbung wird nicht als Rechtsbeleg verwendet.

Rechtliche Landkarte

Phasenbezogene Prüfmatrix

Keine Einheitsantwort Die gleiche Datei kann für menschliches Lesen lizenziert, für TDM schrankenfähig, für dauerhaftes Fine-Tuning nicht gedeckt und als langer Output dennoch rechtsverletzend sein.

Schutzgegenstände und Grundlogik des Urheberrechts

Werk, Ausdruck und Originalität

Urheberrecht setzt keinen wirtschaftlichen Aufwand und keine technische Neuheit voraus. Geschützt wird eine hinreichend bestimmte Ausdrucksform, in der freie und kreative Entscheidungen eines Menschen erkennbar werden. Der EuGH beschreibt dies als eigene geistige Schöpfung; bei Fotografien, Gestaltung und anderen Werkarten kommt es darauf an, ob der Urheber Gestaltungsspielräume genutzt und seine Persönlichkeit im Ergebnis ausgedrückt hat. Die bloße Idee, ein Thema, eine Methode, ein mathematisches Prinzip oder eine Funktionalität bleiben dagegen frei. ^{[S-001, S-045, S-048, S-049]}

Diese Grundlinie ist für generative KI entscheidend: Ein System kann Ideen, Muster und Stilmerkmale statistisch verarbeiten, ohne deshalb automatisch geschützten Ausdruck zu übernehmen. Sobald ein Output jedoch konkrete originelle Elemente eines Werks reproduziert, wird die Prüfung werkbezogen. Infopaq zeigt, dass auch kurze Ausschnitte geschützt sein können, wenn sie die Originalität des Ausgangswerks ausdrücken; es gibt deshalb keine verlässliche pauschale Wort-, Noten- oder Pixelgrenze. ^{[S-043, S-051]}

Der abstrakte Stil einer Künstlerin, eines Autors oder einer Musikrichtung ist als solcher grundsätzlich kein Werk. Das schützt jedoch nicht jeden Stilprompt vor rechtlichen Risiken. Wiedererkennbare Figuren, charakteristische Kompositionen, konkrete Textpassagen, Logos oder Melodiefolgen können geschützt sein. Hinzu kommen außerhalb dieses Dossiers Marken-, Persönlichkeits-, Wettbewerbs- und Vertragsrecht. ^{[S-001, S-044, S-047, S-049]}

Rechte und relevante Nutzungshandlungen

Die technisch wichtigste Ausschließlichkeitsposition ist das Vervielfältigungsrecht. Es erfasst unmittelbare oder mittelbare, vorübergehende oder dauerhafte Kopien. Für KI-Systeme können Downloads, lokale Arbeitskopien, Korpusdateien, Cache- oder RAM-Kopien, Trainingsbatches, Checkpoints und werkhaltige Outputs relevant sein. Ob jeder technische Zustand bereits eine rechtlich erhebliche Kopie ist, muss nach Inhalt, Dauer, technischer Funktion und Wahrnehmbarkeit bewertet werden. ^{[S-001, S-010, S-043, S-058]}

Für die Bereitstellung von Outputs kommen außerdem öffentliche Zugänglichmachung, sonstige öffentliche Wiedergabe und bei veränderten Übernahmen Bearbeitung oder Umgestaltung in Betracht. Das Training selbst und die spätere Antwort an Nutzer sind deshalb rechtlich nicht dieselbe Handlung. Eine Schranke für Trainingskopien rechtfertigt nicht automatisch eine werknahe Ausgabe. ^{[S-001, S-009, S-034, S-036]}

Schranken sind im europäischen System grundsätzlich abschließend und zweckgebunden. Grundrechte können ihre Auslegung beeinflussen, schaffen aber nicht ohne Weiteres neue ungeschriebene Ausnahmen. Für KI-Anwendungen ist daher zu vermeiden, allgemeine Innovations- oder Informationsinteressen als Ersatz für eine Lizenz oder eine konkrete Schranke zu behandeln. ^{[S-009, S-010, S-059, S-060]}

Mehrere Rechte an demselben Material

Ein Trainingsobjekt kann gleichzeitig mehrere Schutzschichten enthalten: Urheberrecht am Text oder Bild, Leistungsschutzrecht an Tonaufnahme oder Presseveröffentlichung, Softwareurheberrecht an Code, Datenbankrecht an Sammlung und Anordnung sowie vertragliche Nutzungsbedingungen. Die Tatsache, dass einzelne Fakten frei sind, beseitigt diese anderen Rechte nicht. ^{[S-001, S-011, S-012]}

Für Unternehmen folgt daraus eine Rechtekettenprüfung. "Vom Kunden erhalten", "intern gespeichert" oder "öffentlich gefunden" sagt noch nicht, ob Training, Fine-Tuning, RAG, Modellweitergabe und Outputnutzung gedeckt sind. Die erforderlichen Rechte können je Phase und Nutzerkreis unterschiedlich sein. ^{[S-017, S-018]}

Technischer KI-Lebenszyklus und mögliche Kopien

Phasenmodell

Ein belastbares Dossier darf "KI-Training" nicht als einen einzigen Vorgang behandeln. Praktisch lassen sich mindestens Datenakquise, Korpusbildung, Bereinigung und Deduplizierung, Tokenisierung oder sonstige Repräsentation, Training, Checkpoints, Evaluation, Bereitstellung und Inferenz unterscheiden. Jede Phase kann andere Akteure, Speicherorte und Rechtsgrundlagen haben. ^{[S-089, S-090, S-091]}

Bei Sprachmodellen werden Texte typischerweise in Tokens zerlegt und Gewichte durch wiederholte Optimierung angepasst. Bei Diffusions- und Musikmodellen unterscheiden sich technische Details, doch auch dort werden große Mengen geschützter Inhalte verarbeitet. Aus der technischen Aussage, ein Modell sei keine klassische Dateiablage, folgt nicht automatisch, dass niemals geschützter Ausdruck im Modell festgelegt oder aus ihm reproduziert werden kann. ^{[S-081, S-082, S-086, S-091]}

Die rechtliche Bewertung muss deshalb beweisoffen bleiben. Pauschale Aussagen "Modelle speichern alles" und "Modelle speichern nichts" sind gleichermaßen unzuverlässig. Relevant ist, ob das konkrete Werk in einem konkreten System auf eine Weise festgelegt oder reproduzierbar ist, die der jeweilige Rechtsmaßstab erfasst. ^{[S-034, S-036, S-081-S-087]}

Typische technische Artefakte

Rohkorpus und bereinigtes Dataset enthalten regelmäßig unmittelbar lesbare Werke oder Werkteile. Tokenlisten, Chunks, Features und Embeddings sind stärker transformiert. Ihre urheberrechtliche Relevanz hängt davon ab, ob geschützter Ausdruck erhalten, rekonstruierbar oder in einer anderen Form festgelegt ist. Eine pauschale Freistellung für Embeddings oder Parameter existiert nicht. ^{[S-001, S-010, S-091]}

Checkpoints und Modellgewichte sind die juristisch umstrittenste Ebene. Die Münchner Gerichte nahmen in konkreten Verfahren eine werkbezogene Festlegung in Parametern an. Die technische Literatur zeigt zugleich, dass extrahierbare Memorisierung nicht gleichmäßig über alle Trainingsdaten verteilt ist. Daraus folgt keine allgemeine Antwort, sondern ein Bedarf an werk-, modell- und beweisbezogener Analyse. ^{[S-034, S-036, S-081-S-086]}

Bei der Inferenz können temporäre Kontextkopien entstehen. RAG-Systeme fügen zusätzlich externe Dokumente oder Chunks in den Modellkontext ein. Wird ein geschützter Abschnitt anschließend ganz oder weitgehend ausgegeben, ist die Outputprüfung unabhängig von der Frage erforderlich, ob das Basismodell rechtmäßig trainiert wurde. ^{[S-001, S-010, S-034, S-041]}

Dokumentationskonsequenz

Unternehmen sollten jede Datenquelle mit Herkunft, Zugangsart, Lizenz, Opt-out-Status, Erfassungsdatum und Rechtsraum dokumentieren. Ebenso nötig sind Dataset-Versionen, Ausschlusslisten, Modellversionen, Trainingsläufe, Retention und Outputtests. Ohne diese Kette lassen sich spätere Rechtevorbehalte, Löschungsforderungen, Lizenzabläufe und Prozessfragen kaum belastbar beantworten. ^{[S-017, S-018, S-019, S-023]}

Die Dokumentation ist nicht nur eine AI-Act-Aufgabe. Sie ist zugleich Beweisvorsorge für Unterlassungs-, Auskunfts- und Schadensersatzstreitigkeiten. Die öffentliche Trainingssummary nach Art. 53 AI Act kann diese interne Granularität nicht ersetzen. ^{[S-013, S-019, S-021-S-024]}

Datenbeschaffung, Scraping und rechtmäßiger Zugang

Öffentlich erreichbar ist nicht rechtefrei

Das offene Web enthält geschützte Texte, Bilder, Musik, Code, Datenbanken und Presseveröffentlichungen. Eine URL ohne Login bedeutet lediglich technische Erreichbarkeit. Für die Nutzung sind weiterhin Ausschließlichkeitsrechte, TDM-Schranken, Lizenzen, technische Schutzmaßnahmen und gegebenenfalls Vertragsbedingungen zu prüfen. ^{[S-001, S-002, S-009-S-012]}

§ 44b und § 60d verlangen rechtmäßigen Zugang. Die DSM-Richtlinie nennt als Beispiele frei im Internet zugängliche Inhalte und Inhalte, auf die über vertragliche Vereinbarungen zugegriffen wird. Daraus folgt jedoch keine allgemeine Erlaubnis, Paywalls zu umgehen, Zugangsdaten zweckwidrig zu verwenden oder piratische Schattenbibliotheken als rechtmäßig zugängliche Quelle zu behandeln. ^{[S-002, S-003, S-009]}

Der Suno-Fall verdeutlicht die Bedeutung der Beschaffungsart. Das LG München I behandelte das behauptete Stream-Ripping und die Umgehung technischer Schutzmaßnahmen als belastende eigenständige Faktoren. Unabhängig vom späteren Bestand des Urteils zeigt der Fall, dass eine TDM-Argumentation eine rechtswidrige Beschaffung nicht automatisch neutralisiert. ^{[S-005, S-036, S-037]}

Verträge und technische Regeln

Nutzungsbedingungen können den Zugang oder vertragliche Pflichten steuern. Ob eine Vertragsverletzung zugleich die urheberrechtliche Schranke entfallen lässt, ist differenziert zu prüfen; jedenfalls sollten Unternehmen die Zugangslage nicht allein technisch definieren. Crawler-Policies, API-Bedingungen, Datenbanklizenzen und bezahlte Abonnements sind in die Provenienzakte aufzunehmen. ^{[S-002, S-006, S-017, S-018]}

robots.txt ist ein technisches Protokoll zur Kommunikation von Crawling-Präferenzen. RFC 9309 weist ausdrücklich darauf hin, dass es keine Zugangsautorisierung ist. Daher darf aus dem Fehlen eines Verbots weder eine Lizenz noch ein sicher fehlender TDM-Vorbehalt abgeleitet werden. ^[S-026]

Bei APIs und lizenzierten Datenfeeds ist der genaue Nutzungsumfang entscheidend. Eine Lizenz zum Lesen oder Anzeigen deckt nicht automatisch Modelltraining, Fine-Tuning, Vektorisierung, öffentliche Modellweitergabe oder werknahen Output. Rechtekatalog, Territorium, Laufzeit und Unterlizenzierung sind einzeln zu prüfen. ^{[S-017, S-018]}

Allgemeines Text und Data Mining nach § 44b UrhG

Tatbestand und Zweck

§ 44b definiert TDM als automatisierte Analyse einzelner oder mehrerer digitaler oder digitalisierter Werke, um daraus Informationen insbesondere über Muster, Trends und Korrelationen zu gewinnen. Erlaubt werden die für diesen Zweck erforderlichen Vervielfältigungen rechtmäßig zugänglicher Werke. Die Norm ist technologieneutral und nicht auf klassische Forschung beschränkt. ^{[S-002, S-006, S-009]}

Ob generatives Training vollständig unter diesen Analysebegriff fällt, ist umstritten. Für Korpusprüfung, Klassifikation und Datensatzaufbereitung spricht der Wortlaut deutlich. Schwieriger ist die dauerhafte Parameteranpassung eines Modells, das anschließend neue Inhalte generiert. Die Hamburger Entscheidung beantwortet diese Modellfrage nicht; C-250/25 und die Münchner Verfahren zeigen den offenen Streit. ^{[S-032-S-036, S-041-S-042, S-090-S-092]}

Die richtige Formulierung lautet deshalb nicht "§ 44b erlaubt KI-Training", sondern: § 44b kann bestimmte Vervielfältigungen innerhalb eines konkreten TDM-Prozesses rechtfertigen, wenn alle Voraussetzungen erfüllt sind. Modellzustand, Output, andere Rechte und andere Rechtsräume bleiben separat. ^{[S-002, S-009, S-033, S-041]}

Erforderlichkeit und Löschung

Kopien müssen für das TDM erforderlich sein. Unnötige Vollarchive, Parallelbibliotheken oder eine Weiterverwendung zu nicht analysierenden Zwecken sind nicht automatisch gedeckt. Nach Ende der Erforderlichkeit verlangt § 44b Abs. 2 die Löschung. ^{[S-002, S-006]}

Bei großen KI-Projekten ist die Erforderlichkeit nicht nur technisch, sondern organisatorisch zu dokumentieren. Das betrifft Rohdaten, bereinigte Datensätze, Caches, Trainingsbatches, Backups und Testsets. Für Checkpoints und Modelle fehlt eine ausdrückliche gesetzliche Antwort; gerade deshalb sollten Unternehmen ihre technische Position, Retention und Löschentscheidung nachvollziehbar begründen. ^{[S-002, S-089, S-091]}

Ein Audit- oder Reproduzierbarkeitsinteresse rechtfertigt nicht automatisch unbegrenzte Speicherung unter § 44b. Für Forschungs-TDM enthält § 60d ein gesondertes Sicherungskonzept. Kommerzielle Projekte benötigen daher eine besonders klare Retention-Architektur. ^{[S-002, S-003]}

Verhältnis zu anderen Rechten

§ 44b ist eine urheberrechtliche Schranke. Er ersetzt keine datenschutzrechtliche Rechtsgrundlage, keine Geheimnisschutzprüfung, keine Marken- oder Persönlichkeitsprüfung und keine Genehmigung zur Umgehung technischer Schutzmaßnahmen. Ebenso bleiben Datenbankrechte und Rechte an einzelnen Inhalten parallel relevant, soweit § 87c die TDM-Erlaubnis nicht erfasst. ^{[S-001, S-004, S-005, S-011]}

Der Drei-Stufen-Test begrenzt die Auslegung von Schranken. Die Nutzung muss ein gesetzlich geregelter Sonderfall bleiben, die normale Verwertung darf nicht beeinträchtigt und berechtigte Interessen dürfen nicht unzumutbar verletzt werden. Bei generativer KI ist insbesondere die Konkurrenz zu Lizenz- und Outputmärkten Teil der laufenden juristischen Debatte. ^{[S-009, S-010, S-014, S-063, S-090]}

Wissenschaftliches TDM nach § 60d UrhG

Begünstigte und Voraussetzungen

§ 60d schafft ein stärkeres Forschungsprivileg. Begünstigt sind Forschungseinrichtungen und Kulturerbeeinrichtungen unter den gesetzlichen Strukturvoraussetzungen. Auch einzelne Forscher können für nicht kommerzielle Zwecke privilegiert sein. Entscheidend sind tatsächlicher Forschungszweck und institutionelle Einordnung, nicht die Bezeichnung eines Projekts. ^{[S-003, S-006, S-009]}

Forschungseinrichtungen dürfen nicht gewinnorientiert handeln oder müssen ihre Gewinne vollständig in Forschung reinvestieren beziehungsweise im öffentlichen Auftrag handeln. Ein privates Unternehmen darf keinen bestimmenden Einfluss ausüben und keinen bevorzugten Zugang zu Ergebnissen erhalten. Diese Kriterien verlangen eine Prüfung von Governance, Finanzierung und Vertragsrechten. ^{[S-003, S-006]}

Das Forschungsprivileg ist nicht auf Grundlagenforschung beschränkt, aber es ist kein allgemeines Innovationsprivileg für Unternehmen. Kooperationen sollten daher Einflussrechte, exklusive Ergebniszugänge, Datenweitergabe und spätere Kommerzialisierung ausdrücklich regeln. ^{[S-003, S-031, S-032]}

Opt-out, Aufbewahrung und Weitergabe

Ein Rechtevorbehalt nach § 44b Abs. 3 kann § 60d nicht in gleicher Weise ausschließen. Das ist ein wesentlicher Unterschied zum allgemeinen TDM. Gleichwohl müssen rechtmäßiger Zugang und die übrigen Voraussetzungen eingehalten werden. ^{[S-003, S-009]}

Forschungs-TDM-Kopien dürfen für wissenschaftliche Forschung und zur Überprüfung wissenschaftlicher Erkenntnisse aufbewahrt werden, müssen aber mit angemessenen Sicherheitsvorkehrungen geschützt sein. Die Weitergabe an einen offenen kommerziellen Datensatz oder die spätere Produktnutzung ist nicht automatisch von derselben Schranke gedeckt. ^{[S-003, S-006]}

Der LAION-Fall zeigt, dass Gerichte gemeinnützige Datensatzprojekte als wissenschaftliche Forschung einordnen können. Er zeigt aber ebenso, wie sachverhaltsabhängig die Prüfung ist. Die Revision beim BGH kann die Kriterien weiter präzisieren. ^{[S-031-S-033]}

Rechtevorbehalt und maschinenlesbarer Opt-out

Gesetzlicher Mindestpunkt

Rechteinhaber können die allgemeine TDM-Nutzung vorbehalten. Bei online verfügbaren Werken verlangt § 44b Abs. 3 Satz 2 Maschinenlesbarkeit. Der Gesetzgeber wollte automatisierte Massennutzung und automatisierte Rechtekommunikation miteinander verbinden. ^{[S-002, S-006, S-008, S-009]}

Das OLG Hamburg hielt den zum Downloadzeitpunkt vorhandenen natürlichsprachlichen Hinweis der Bildagentur im konkreten Fall nicht für maschinenlesbar. Es ließ die Revision zu. Bis zur BGH-Entscheidung sollte diese Aussage als wichtige, aber nicht endgültige deutsche Linie behandelt werden. ^{[S-032, S-033]}

Ein Opt-out muss außerdem vom Berechtigten stammen oder ihm zurechenbar sein. Bei Plattformen, Agenturen, eingebetteten Medien und User Generated Content können technischer Betreiber und Rechteinhaber auseinanderfallen. Ein technisch perfektes Signal ohne Rechtekette ist nicht automatisch wirksam. ^{[S-002, S-032]}

Technische Instrumente

Das W3C TDM Reservation Protocol erlaubt Signale über HTTP-Header und eine verknüpfte Policy. IPTC bietet eingebettete Metadaten für Bilder und Video. robots.txt kann Crawler nach User-Agent steuern. Keines dieser Instrumente ist im Gesetz als einzig zulässige Form genannt. ^{[S-025-S-030]}

Die robusteste Praxis ist eine mehrschichtige Kommunikation: vertraglicher Nutzungsvorbehalt, sichtbarer Hinweis, TDMRep-Header oder Policy, Crawlerregeln sowie werknahe eingebettete Metadaten. Diese Kombination verbessert technische Erkennung und spätere Beweisbarkeit, garantiert aber keine gerichtliche Anerkennung in jeder Konstellation. ^{[S-025, S-028-S-030, S-093]}

Rechteinhaber sollten Zeitpunkt, Version, Domain, Asset-ID, Hash und Signal dokumentieren. KI-Entwickler sollten die Erkennung verschiedener Standards, Konfliktregeln, Crawleridentitäten und die Behandlung nachträglicher Änderungen dokumentieren. ^{[S-020, S-023, S-025, S-093]}

Praktische Konfliktfälle

Ein Domain-weites Verbot kann zu grob sein, wenn eine Website auch gemeinfreie, lizenzierte oder fremde Inhalte enthält. Umgekehrt kann ein nur in einer HTML-Seite sichtbarer Hinweis eingebettete Originaldateien verlieren, wenn sie über CDN oder direkte URL abgerufen werden. Deshalb ist die Zuordnung auf Asset-Ebene wichtig. ^{[S-025, S-028-S-030]}

Nachträgliche Opt-outs werfen Versionsfragen auf. Für bereits abgeschlossene Kopiervorgänge ist regelmäßig kein automatischer rückwirkender Effekt anzunehmen; bei fortlaufendem Crawling, Nachtraining oder neuen Modellversionen kann der aktuelle Vorbehalt dagegen relevant werden. Diese Grenzfragen sind noch nicht höchstrichterlich geklärt. ^{[S-006, S-008, S-033]}

Datenbankrecht und strukturierte Korpora

Zwei Schutzebenen

Datenbanken können als Datenbankwerke geschützt sein, wenn Auswahl oder Anordnung eine eigene geistige Schöpfung darstellt. Daneben schützt das sui-generis-Recht wesentliche Investitionen in Beschaffung, Prüfung oder Darstellung des Inhalts. Beide Ebenen sind von den Rechten an einzelnen Texten, Bildern oder Datensätzen zu unterscheiden. ^{[S-011, S-046, S-054]}

Der EuGH trennt Investitionen in die Erzeugung von Daten von Investitionen in deren Beschaffung. Wer eine Datensammlung selbst erzeugt, kann sich nicht allein wegen dieses Erzeugungsaufwands auf das Herstellerrecht berufen. Werden bestehende Daten beschafft, überprüft und strukturiert, kann der Schutz dagegen greifen. ^[S-054]

Für KI-Korpora ist deshalb zu untersuchen, woher die Daten stammen, welche Investition in Beschaffung und Prüfung floss und ob die Auswahl oder Anordnung kreativ ist. Labels, Qualitätskontrollen und Metadaten können Teil der geschützten Struktur sein. ^{[S-011, S-046, S-054]}

Entnahme und Wiederverwendung

Verboten sein können Entnahme oder Wiederverwendung des ganzen oder eines wesentlichen Teils einer geschützten Datenbank. Auch wiederholte systematische Entnahmen unwesentlicher Teile können relevant sein. Meta-Suchmaschinen und schrittweises Scraping können daher Herstellerrechte berühren, selbst wenn einzelne Fakten frei sind. ^{[S-011, S-055-S-057]}

§ 87c erstreckt die TDM-Schranken auf Datenbankherstellerrechte. Das bedeutet jedoch nicht, dass Rechte an einzelnen Werken oder vertragliche Zugangsbeschränkungen verschwinden. Ein Projekt muss Datenbank- und Inhaltsrechte in getrennten Spalten seiner Rechteakte führen. ^{[S-004, S-011]}

RAG-Systeme können durch wiederholtes Abrufen und Ausgeben großer Teile lizenzierter Datenbanken eine normale Auswertung substituieren. Deshalb sollten Retrieval-Limits, Nutzerkreis, Zitierlänge und Quellenverlinkung vertraglich und technisch begrenzt werden. ^{[S-011, S-056, S-057]}

Software, Quellcode und KI-Assistenten

Schutzgegenstand Software

Computerprogramme werden in der EU durch ein besonderes Richtlinienregime geschützt. Schutzfähig ist die konkrete Ausdrucksform des Programms. Funktionalität, Programmiersprache und Dateiformat sind als solche nicht geschützt, solange kein konkreter Ausdruck übernommen wird. ^{[S-012, S-044, S-047]}

Bei Code-Trainingsdaten können neben dem Urheberrecht Lizenzpflichten wie Attribution, Copyleft, Notice-Erhalt oder Quelloffenlegung relevant sein. Die Einordnung hängt von konkreter Lizenz und Nutzung ab. "Open Source" bedeutet nicht "ohne Bedingungen". ^{[S-012, S-013]}

Ein Coding-Assistent kann unkritische Standardmuster oder schutzfähige Passagen ausgeben. Eine rein statistische Ähnlichkeitsanzeige ersetzt die juristische Analyse nicht. Relevant sind Länge, Originalität, Struktur, Kommentare, Bezeichner, Notices und Gesamtzusammenhang. ^{[S-043, S-047, S-063]}

Unternehmensmaßnahmen

Für produktiven Code sollten Unternehmen Output-Scanner, Lizenzdatenbanken, Secret-Scanning und Peer Review kombinieren. Längere oder auffällige Passagen müssen auf Herkunft geprüft werden. Anbieterfreistellungen sind nur so wertvoll wie Umfang, Ausschlüsse, Deckelung und Beweisregeln. ^{[S-017, S-018, S-063]}

Eigene Repositories sollten nach Lizenzklasse und Vertraulichkeit getrennt werden. Fine-Tuning auf Drittcode benötigt eine ausdrückliche Rechteprüfung. Bei RAG über interne Repositories sind Zugriffsrechte und die Vermeidung mandantenübergreifender Ausgaben zusätzlich sicherzustellen. ^{[S-012, S-017, S-018]}

Modellgewichte, Memorisierung und technische Evidenz

Was Forschung belegt

Memorization ist kein rein theoretisches Phänomen. Studien haben Trainingsbeispiele aus großen Sprachmodellen und Diffusionsmodellen extrahiert. Besonders seltene, personenbezogene oder häufig duplizierte Sequenzen können betroffen sein. ^{[S-081, S-082, S-085, S-086]}

Deduplizierung reduziert nach mehreren Studien die Wahrscheinlichkeit wortnaher Wiederholungen und kann die Modellqualität verbessern. Sie beseitigt jedoch weder jede Memorisierung noch die Notwendigkeit einer Rechteprüfung. ^{[S-083, S-084]}

Die Studien belegen nicht, dass jedes Trainingswerk in jedem Modell gespeichert ist. Sie zeigen vielmehr, dass die technische Möglichkeit werkbezogener Reproduktion empirisch untersucht werden muss. Größe, Datenhäufigkeit, Architektur, Trainingsregime, Prompt und Zugang beeinflussen das Ergebnis. ^{[S-081-S-087]}

Juristische Schlussfolgerungen und Grenzen

Das LG München I schloss im OpenAI-Verfahren aus einfachen Prompts und werknahem Output auf Memorisierung bestimmter Liedtexte. Es wertete die Festlegung im Modell als Vervielfältigung. Diese Schlussfolgerung ist erstinstanzlich und umstritten. ^{[S-034, S-035]}

Im Suno-Verfahren nahm das Gericht ebenfalls eine Speicherung in Parametern oder anderen Datenstrukturen an. Die Entscheidung stützte sich auf konkrete Musikvergleiche, Zeugen- und Sachvortrag sowie zahlreiche Testprompts. Auch diese Entscheidung ist nicht rechtskräftig. ^{[S-036, S-037]}

Für belastbare Unternehmensbewertungen genügt weder ein einzelner Prompt noch die bloße Aussage des Anbieters, das Modell speichere keine Datenbank. Erforderlich sind reproduzierbare Tests, kontrollierte Prompts, Negativkontrollen, Ähnlichkeitsanalyse und gegebenenfalls Sachverständigengutachten. ^{[S-034, S-036, S-081-S-087]}

Keine automatische Gleichsetzung

Ein Modell kann statistische Muster generalisieren, ohne ein bestimmtes Werk reproduzierbar zu enthalten. Umgekehrt kann ein werkbezogener Inhalt trotz verteilter Repräsentation rekonstruierbar sein. Die juristische Frage, wann dies als körperliche Festlegung gilt, ist vom EuGH und BGH für generative Modelle noch nicht abschließend beantwortet. ^{[S-033, S-041, S-089-S-092]}

Unternehmen sollten deshalb Modellrisiken risikobasiert behandeln: sensitive oder besonders lizenzkritische Daten deduplizieren, Werklisten für Canary-Tests aufbauen, Regressionstests nach Modellupdates durchführen und reproduzierbare Treffer eskalieren. ^{[S-083, S-084, S-088]}

Output-Verletzung und Verantwortlichkeit

Eigene Prüfung jedes Outputs

Ein Output ist nicht deshalb erlaubt, weil er neu generiert wurde. Werden geschützte Ausdruckselemente vervielfältigt, bearbeitet oder öffentlich wiedergegeben, kann eine Verletzung vorliegen. Die Schwelle hängt von Werkart und übernommener Originalität ab. ^{[S-001, S-043, S-051]}

Ähnlichkeit allein genügt nicht. Themen, Fakten, Funktionalitäten und abstrakte Stile bleiben frei. Der Vergleich muss schutzfähige Elemente des Ausgangswerks identifizieren und prüfen, ob gerade diese im Output wiederkehren. ^{[S-044-S-050]}

TDM-Schranken betreffen Analyse- und Trainingskopien. Sie sind keine Output-Schranke. Für Zitat, Karikatur, Parodie oder Pastiche gelten eigene Voraussetzungen und Zwecke; eine generische Modellantwort erfüllt diese nicht automatisch. ^{[S-001, S-002, S-009, S-051]}

Provider und Nutzer

Wer für eine rechtsverletzende Ausgabe verantwortlich ist, hängt von Kontrolle und Beitrag ab. Der Nutzer kann gezielt geschützte Inhalte anfordern oder selbst in den Prompt einfügen. Der Anbieter gestaltet Modell, System-Prompt, Filter, Oberfläche und Standardverhalten. Beide Rollen können je Sachverhalt relevant sein. ^{[S-034, S-036, S-053]}

Das LG München I ordnete im OpenAI-Fall die Verantwortung den Betreiberinnen zu, weil einfache Prompts genügten und die Tatherrschaft nach seiner Wertung beim System lag. Im Suno-Fall bejahte das Gericht ebenfalls Betreiberverantwortung. Diese Entscheidungen sind nicht rechtskräftig und dürfen nicht als allgemeine Providerhaftungsformel verwendet werden. ^{[S-034-S-037]}

Unternehmensnutzer sollten Outputs nicht ungeprüft veröffentlichen, wenn sie längere Textpassagen, Musik, Code, bekannte Figuren, Logos oder Wasserzeichen enthalten. Freigabeprozesse müssen zum Risiko des Anwendungsfalls passen. ^{[S-017, S-018]}

Schutzinformationen und Quellenangaben

Das Entfernen oder Verändern elektronischer Rechteinformationen kann zusätzliche Ansprüche auslösen. Bei Code, Bildern und Medien sollten Copyright-Notices, Metadaten und Wasserzeichen deshalb nicht automatisiert entfernt werden, ohne die Rechtslage zu prüfen. ^{[S-001, S-013]}

Quellenangaben allein heilen keine unzulässige Übernahme. Ein Zitat verlangt einen Zitatzweck und einen angemessenen Umfang; bloße Dekoration, Inhaltsersatz oder automatisches Anhängen einer URL genügt nicht. ^[S-001]

Urheberschaft und Schutz von KI-Outputs

Deutscher und europäischer Maßstab

Deutsches Urheberrecht knüpft Urheberschaft an einen menschlichen Schöpfer. Der unionsrechtliche Originalitätsmaßstab verlangt freie kreative Entscheidungen und einen identifizierbaren Ausdruck. Ein autonom arbeitendes System erfüllt diese personale Voraussetzung nicht selbst. ^{[S-001, S-045, S-048, S-049]}

Wird KI nur als Werkzeug verwendet, kann das Ergebnis geschützt sein. Entscheidend ist nicht die verwendete Technik, sondern ob ein Mensch die konkrete Form kreativ bestimmt hat. Auswahl aus mehreren Outputs, Komposition, gezielte Überarbeitung, Retusche, Schnitt und Textrevision können schutzfähige menschliche Beiträge bilden. ^{[S-038, S-045, S-062, S-064]}

Das Amtsgericht München erkannte 2026 grundsätzlich an, dass iterative Steuerung und Nachbearbeitung menschliche schöpferische Beiträge ermöglichen können, verneinte aber bei den konkreten Logos die erforderliche Schöpfungshöhe. Die Entscheidung ist eine untere Instanz und kein allgemeiner Prompt-Test. ^{[S-038, S-039]}

Dokumentation kreativer Beiträge

Wer Schutz beanspruchen will, sollte Versionen, Skizzen, Promptentwicklung, Auswahlentscheidungen und manuelle Bearbeitung dokumentieren. Entscheidend ist nicht die Menge an Arbeit, sondern die kreative Qualität und ihr Niederschlag im Ergebnis. ^{[S-038, S-045, S-062]}

Bei gemischten Werken kann nur der menschlich geschaffene Anteil geschützt sein. Verträge sollten daher nicht pauschal "alle Rechte am KI-Output" versprechen, sondern zwischen Anbieterrechten, menschlichen Beiträgen, Drittinhalten und möglicherweise ungeschützten Bestandteilen unterscheiden. ^{[S-017, S-062, S-064]}

Vergleich mit den USA

Das U.S. Copyright Office verlangt ebenfalls menschliche Urheberschaft. Es hält Prompts nach dem damaligen Technikstand regelmäßig nicht für hinreichende Kontrolle über den konkreten Ausdruck, erkennt aber menschliche Auswahl, Anordnung und Bearbeitung an. ^{[S-062, S-064]}

Der D.C. Circuit bestätigte 2025 die Ablehnung einer Registrierung für ein vollständig von einer Maschine erzeugtes Bild. Der Supreme Court lehnte 2026 die Annahme des Verfahrens ab. Das lässt das Berufungsurteil bestehen, ist aber keine eigene Sachentscheidung des Supreme Court. ^{[S-065, S-066, S-097]}

Diese US-Position ist für Deutschland nicht bindend, bestätigt aber die breite internationale Tendenz, Schutz an menschliche kreative Beiträge zu knüpfen. Andere Rechtsordnungen können abweichen; für deutsche Sachbücher muss die EU-/DE-Systematik im Vordergrund bleiben. ^[S-096]

RAG, Vektordatenbanken und Wissenssysteme

Unterschied zum Basistraining

RAG hält Wissensinhalte typischerweise außerhalb der Modellgewichte. Dokumente werden eingelesen, in Abschnitte zerlegt, in numerische Repräsentationen umgewandelt und bei einer Anfrage abgerufen. Das kann Rechteklärung vereinfachen, beseitigt sie aber nicht. ^{[S-089, S-091]}

Bereits das Einlesen und Speichern kann eine Vervielfältigung sein. Bei fremden Datenbanken kommen Entnahme und Wiederverwendung hinzu. Der Abruf in den Promptkontext und die spätere Ausgabe sind weitere Schritte. ^{[S-001, S-010, S-011]}

Eine Lizenz für menschliches Lesen oder einen einzelnen Arbeitsplatz deckt nicht automatisch ein unternehmensweites RAG-System. Nutzerzahl, Zugriffskreis, Quellenspeicherung, Ausgabeumfang, Zitierfunktion und externe Veröffentlichung müssen im Lizenzumfang abgebildet sein. ^{[S-017, S-018]}

Risikobegrenzung

RAG-Systeme sollten Zugriffe an Quellberechtigungen koppeln. Ein Nutzer darf über den Chatbot nicht mehr sehen als in der Ursprungssystematik. Mandantentrennung und Dokument-ACLs sind daher auch urheberrechtlich relevant, weil sie den lizenzierten Nutzerkreis begrenzen. ^{[S-017, S-018]}

Output-Limits, Zitierlänge, Quellenlink, Sperre vollständiger Dokumentwiedergabe und Monitoring wiederholter Extraktionsversuche reduzieren Substitutionsrisiken. Für besonders wertvolle Fachinhalte kann eine dedizierte Lizenz mit Retrieval- und Generierungsrechten erforderlich sein. ^{[S-011, S-056, S-057]}

Bei eigenen Unternehmensdokumenten bleibt die Rechtekette wichtig. Richtlinien können Agenturgrafiken, Normzitate, Herstellerhandbücher oder lizenzierte Fachtexte enthalten. "Intern" bedeutet nicht automatisch "eigen". ^{[S-001, S-017, S-018]}

AI Act: Copyright-Policy und Trainingssummary

Pflichten der GPAI-Anbieter

Art. 53 Abs. 1 lit. c AI Act verpflichtet Anbieter von General-Purpose-AI-Modellen, eine Policy zur Einhaltung des Unionsurheberrechts einzurichten. Sie muss insbesondere TDM-Rechtevorbehalte erkennen und respektieren, einschließlich solcher, die nach Art. 4 Abs. 3 DSM-Richtlinie mit geeigneter Technik erklärt werden. ^{[S-019, S-023, S-024]}

Art. 53 Abs. 1 lit. d verlangt eine hinreichend detaillierte öffentliche Zusammenfassung der für das Training verwendeten Inhalte. Die Kommission hat dafür ein Template und Erläuterungen veröffentlicht. Die Summary soll Rechteinhabern und anderen Berechtigten Orientierung ermöglichen, ist aber keine vollständige Werk- oder URL-Liste. ^{[S-019, S-021, S-022]}

Der GPAI Code of Practice bietet ein freiwilliges Copyright-Kapitel. Unterzeichner können damit Compliance demonstrieren; der Code ändert jedoch weder Schutzumfang noch Schranken des Urheberrechts. ^{[S-020, S-024]}

Keine Legalisierungswirkung

Weder Copyright-Policy noch Summary schaffen eine Nutzungserlaubnis. Ein Anbieter kann formal vollständig dokumentieren und dennoch unlizenzierte oder nicht schrankenfähige Kopien verwendet haben. Umgekehrt ist eine unvollständige Summary ein AI-Act-Problem, das nicht automatisch jede Trainingshandlung urheberrechtswidrig macht. ^{[S-019-S-024]}

Die Pflichten schaffen eine zusätzliche Compliance-Schicht. Unternehmen müssen daher materielle Rechteprüfung und AI-Act-Dokumentation getrennt führen, aber technisch verbinden: Datenquellenregister, Opt-out-Crawler, Lizenzdatenbank, Ausschlusslisten, Retention und Training Summary sollten auf derselben Provenienzbasis aufbauen. ^{[S-020, S-021, S-023, S-093]}

Für Downstream-Unternehmen ist zu klären, ob sie lediglich ein GPAI-Modell nutzen oder durch wesentliche Modifikation selbst Providerpflichten übernehmen. Diese Abgrenzung gehört primär in Dossier 2, beeinflusst aber die Verantwortlichkeit für Copyright-Policy und Trainingssummary. ^{[S-023, S-024]}

Deutsche Rechtsprechung zum KI-Urheberrecht

LG Hamburg 310 O 227/23

Das LG Hamburg entschied am 27. September 2024 über den Download eines Fotos, den LAION zur Prüfung eines Bild-Text-Paars und zur Erstellung eines Datensatzes vorgenommen hatte. Es wies den Unterlassungsantrag ab. Tragend war nach dem Urteil die Forschungs-TDM-Schranke des § 60d; § 44b wurde nicht abschließend entschieden. ^{[S-031, S-040, S-094]}

Der sachliche Umfang ist eng: Das Gericht entschied nicht, ob das spätere Training eines Bildgenerators, Modellgewichte oder konkrete Outputs zulässig sind. Wer aus dem Urteil eine generelle KI-Trainingserlaubnis ableitet, erweitert den Streitgegenstand unzulässig. ^[S-031]

OLG Hamburg 5 U 104/24 und BGH

Das OLG Hamburg bestätigte am 10. Dezember 2025 die Klageabweisung. Anders als das LG stützte es sich auf § 44b und bewertete den damals verwendeten natürlichsprachlichen Vorbehalt der Bildagentur nicht als maschinenlesbar. Zusätzlich hielt es § 60d für anwendbar. ^[S-032]

Das OLG ließ die Revision zu. Der BGH hat für I ZR 281/25 einen Termin am 3. September 2026 angekündigt. Der Rechtsstand am 7. August 2026 ist daher ausdrücklich "anhängig", nicht "höchstrichterlich geklärt". ^[S-033]

GEMA gegen OpenAI 42 O 14139/24

Das LG München I nahm am 11. November 2025 an, dass bestimmte Liedtexte in GPT-4 und GPT-4o memorisiert und damit im Modell vervielfältigt waren. Es stützte sich auf Abgleiche zwischen Originalen und Outputs einfacher Prompts. ^{[S-034, S-035]}

Das Gericht verneinte eine Rechtfertigung der festgestellten Modellkopien durch § 44b und bejahte außerdem Verletzungen durch werkhaltige Outputs. Die Betreiberinnen hafteten nach der konkreten Bewertung, weil die Ausgaben nicht erst durch besonders provozierende Nutzerhandlungen entstanden. ^[S-034]

Das Urteil ist nicht rechtskräftig. Seine technische Annahme und die Abgrenzung der TDM-Phasen werden in der Fachdebatte kontrovers bewertet. Es ist eine bedeutende, aber noch nicht endgültige deutsche Linie. ^{[S-034, S-035, S-089-S-092]}

GEMA gegen Suno 42 O 763/25

Das LG München I entschied am 31. Juli 2026 zugunsten der GEMA in einem Musikgeneratorverfahren. Der Tenor erfasst auf dem konkreten Sachverhalt Trainingsvervielfältigungen in den USA, Speicherung in Parametern oder Datenstrukturen in Deutschland sowie werknahe Outputs. ^{[S-036, S-037]}

Das Gericht behandelte die Herkunft der Trainingskopien und behauptetes Stream-Ripping ausführlich. Es wendete US Fair Use auf die behaupteten US-Handlungen an, verneinte es aber unter den festgestellten Umständen. Für deutsche Handlungen legte es deutsches Urheberrecht zugrunde. ^[S-036]

Das Urteil ist erstinstanzlich und nicht rechtskräftig. Es darf nicht als abschließende Regel für alle Musikmodelle oder als Entscheidung des BGH dargestellt werden. ^{[S-036, S-037]}

AG München 142 C 9786/25

Das Amtsgericht München behandelte KI-unterstützte Logos. Es schloss Schutz bei nachweisbarer menschlicher kreativer Prägung nicht aus, verneinte aber bei den konkreten Ergebnissen die erforderliche Schöpfungshöhe. ^{[S-038, S-039]}

Der Fall unterstützt die differenzierte Linie: KI-Nutzung beseitigt menschliche Urheberschaft nicht automatisch; zugleich macht Prompting ein Ergebnis nicht automatisch zum Werk. ^[S-038]

Unionsrechtliche Grundlagen und C-250/25

EuGH-Grundlagen

Infopaq prägt das weite Verständnis der Vervielfältigung und den Schutz von Werkteilen. Painer, Levola und Cofemel präzisieren Originalität und Bestimmbarkeit. BSA und SAS trennen geschützten Ausdruck von Funktionalität und Ideen. Diese Entscheidungen entstanden vor generativer KI, bilden aber den rechtlichen Maßstab. ^{[S-043-S-050]}

Pelham zeigt für Audiofragmente, dass auch sehr kleine Teile vom Vervielfältigungsrecht erfasst sein können, solange sie wiedererkennbar übernommen werden. Für KI-Musikoutputs ist dies wichtiger als eine starre Sekundengrenze. ^[S-051]

YouTube/Cyando und VG Bild-Kunst liefern Grundsätze zur Verantwortlichkeit von Plattformen und zu technischen Schutzmaßnahmen. Sie entscheiden nicht unmittelbar über generative Modelle, helfen aber bei der Zurechnung von Systemgestaltung und öffentlicher Wiedergabe. ^{[S-052, S-053]}

C-250/25 Like Company gegen Google Ireland

Das ungarische Gericht fragt unter anderem, ob ein LLM-Chatbot bei teilweise identischen Presseausgaben öffentlich wiedergibt, ob Training eine Vervielfältigung ist, ob Art. 4 DSM-Richtlinie greift und wem werkhaltige Outputs zuzurechnen sind. ^{[S-041, S-042]}

Das Verfahren ist für TDM, Presseverlegerrecht, RAG und Providerverantwortung potenziell grundlegend. Am 7. August 2026 liegt jedoch kein Urteil vor. Prognosen müssen als Prognosen gekennzeichnet werden. ^{[S-041, S-090, S-092]}

Bis zur EuGH-Entscheidung besteht das Risiko divergierender nationaler Linien. Unternehmen mit EU-weiten Modellen sollten daher nicht nur deutsche Urteile, sondern auch die spätere unionsrechtliche Auslegung überwachen. ^{[S-009, S-041]}

USA: Fair Use, Urheberschaft und laufende Verfahren

Systemunterschied

US Fair Use ist eine offene Vier-Faktoren-Prüfung. Europäische TDM-Schranken sind spezifische gesetzliche Ausnahmen mit Tatbestandsvoraussetzungen und Opt-out. Ein US-Ergebnis kann deshalb wirtschaftlich relevant sein, aber nicht als deutsche Rechtsgrundlage dienen. ^{[S-002, S-009, S-076]}

Das U.S. Copyright Office betont, dass generatives Training mehrere urheberrechtlich relevante Kopiervorgänge berühren kann und Fair Use vom konkreten Fall abhängt. Quelle der Kopien, Zweck, Umfang, Guardrails und Marktfolgen sind wesentlich. ^{[S-063, S-066]}

Das Office hält nichtkommerzielles Forschungstraining ohne ausdrucksersetzende Outputs tendenziell für günstiger. Das Kopieren aus piratischen Quellen für kommerzielle, konkurrierende Generierung kann deutlich ungünstiger sein. Lizenzmärkte entwickeln sich; eine allgemeine Zwangslizenz empfiehlt das Office derzeit nicht. ^[S-063]

Thomson Reuters, Bartz und Kadrey

In Thomson Reuters gegen Ross verneinte das District Court Fair Use für ein konkurrierendes juristisches Rechercheprodukt, das mit Westlaw-Headnotes entwickelt wurde. Der Fall betrifft keine generative KI und ist im Berufungsweg. ^{[S-068, S-069]}

In Bartz gegen Anthropic hielt das Gericht das konkrete Training mit Büchern für Fair Use und auch das Scannen rechtmäßig gekaufter Bücher für eine interne Bibliothek für fair. Es trennte davon die Beschaffung und Aufbewahrung piratischer Bibliothekskopien. Diese Ansprüche endeten später in einem gerichtlich genehmigten Vergleich. ^{[S-070, S-071, S-098]}

In Kadrey gegen Meta gewann Meta auf dem damaligen Beweisstand, weil die Kläger den behaupteten Marktschaden nicht ausreichend belegt hatten. Das Gericht betonte, dass stärkere Beweise zu Marktverwässerung in anderen Fällen zu einem anderen Ergebnis führen könnten. ^{[S-072, S-073]}

New York Times und weitere Verfahren

Im New-York-Times-Verfahren überlebten wesentliche Ansprüche die frühen Abweisungsanträge; Fair Use ist nicht abschließend entschieden. Mehrere OpenAI-Verfahren wurden in einer multidistrict litigation gebündelt. Der Status bleibt dynamisch. ^{[S-074, S-075]}

Diese Verfahren zeigen, dass frühe Verfahrensentscheidungen, Summary Judgment, Vergleich und Endurteil strikt zu unterscheiden sind. Presseberichte verkürzen häufig "Klage überlebt" zu "Verstoß festgestellt" oder "Teilentscheidung" zu "alles erlaubt". Das Dossier verwendet deshalb konkrete Statuskennzeichnungen. ^{[S-068-S-075]}

Menschliche Urheberschaft in den USA

USCO Part 2 und die Registrierungsleitlinie behandeln rein AI-generiertes Material als nicht registrierbar, erkennen aber menschliche Beiträge an. Der D.C. Circuit bestätigte die menschliche Urheberschaft in Thaler; der Supreme Court nahm den Fall nicht an. ^{[S-062, S-064-S-066, S-097]}

Diese Linie ist deutlich, beantwortet aber nicht jede Mischform. Auswahl, Arrangement, Nachbearbeitung und Kontrolle werden werkbezogen geprüft. ^{[S-062, S-064]}

Lizenzen, Beschaffung und Vertragsgestaltung

Rechtekatalog statt Pauschalklausel

Ein belastbarer KI-Vertrag sollte nicht nur "Nutzung von Daten" erlauben, sondern konkrete Handlungen benennen: Download, Bereinigung, TDM, Training, Fine-Tuning, Speicherung in Checkpoints, Modellweitergabe, RAG, Evaluation, Outputnutzung und Unterlizenzierung. ^{[S-017, S-018]}

Zusätzlich sind Territorium, Laufzeit, Modellversionen, Nutzerkreis, Branchenbeschränkungen, Exklusivität, Vergütung und Umgang mit Lizenzende zu regeln. Eine zeitlich befristete Inhaltslizenz passt schlecht zu einem dauerhaft unveränderten Modell, wenn keine Exit- oder Unlearning-Regel existiert. ^{[S-017, S-018, S-063]}

Bei Datensatzkäufen müssen Rechte an Rohdaten, Labels, Metadaten und Datenbankstruktur getrennt betrachtet werden. Der Lieferant sollte Herkunft und Opt-out-Verarbeitung offenlegen. ^{[S-011, S-017, S-093]}

Zusicherungen, Freistellung und Audit

Vertragliche Zusicherungen sollten sich auf Rechtekette, rechtmäßigen Zugang, technische Schutzmaßnahmen, Rechtevorbehalte und Unterauftragnehmer beziehen. Eine allgemeine Zusicherung "DSGVO- und urheberrechtskonform" ist ohne prüfbare Artefakte wenig belastbar. ^{[S-017, S-018]}

Freistellungen müssen Anspruchsarten, Verteidigungskontrolle, Mitwirkung, Ausschlüsse, Selbstbehalt, Haftungsdeckel und Fortführung des Produkts regeln. Viele Anbieterfreistellungen greifen nicht bei kundeneigenem Fine-Tuning, provozierten Outputs, Kombinationen oder nicht unterstützten Modellversionen. ^{[S-017, S-018]}

Audit-Rechte können Dokumenteneinsicht, Stichproben, unabhängige Prüfberichte und Nachweise zum Opt-out-Crawler umfassen. Geschäftsgeheimnisse sind durch gestufte Offenlegung und Vertraulichkeit zu schützen, dürfen aber nicht jede Nachprüfbarkeit ausschließen. ^{[S-019, S-023, S-093]}

Output- und Nutzerbedingungen

Unternehmensverträge sollten festlegen, wer Outputs prüfen muss, welche Inhalte nicht angefordert werden dürfen und wann menschliche Freigabe nötig ist. Für Publishing, Code, Musik und Design sind strengere Kontrollen sinnvoll als für interne Ideensammlung. ^{[S-017, S-018]}

Anbieter sollten nicht pauschal zusagen, Nutzer "besäßen" jeden Output. Sie können nur Rechte übertragen, die tatsächlich entstehen und ihnen zustehen. Fremdrechte und ungeschützte Bestandteile bleiben davon unberührt. ^{[S-001, S-062, S-064]}

Beweisführung, Tests und Governance

Beweisprobleme

Rechteinhaber kennen Trainingskorpora häufig nicht; Anbieter berufen sich auf Geschäftsgeheimnisse und technische Komplexität. AI-Act-Summaries verbessern Transparenz, sind aber aggregiert. Gerichtsverfahren werden daher stark von Indizien, Outputtests, Discovery und Sachverständigen geprägt. ^{[S-019, S-021-S-024, S-034, S-036]}

Ein ähnlicher Output kann auf Training, RAG, Nutzereingabe, Zufall oder allgemeine Muster zurückgehen. Für eine belastbare Zuordnung sind kontrollierte Testbedingungen nötig: Modellversion, Temperatur, System-Prompt, Nutzerprompt, Seed, Tools, RAG-Quellen und Wiederholungsrate. ^{[S-034, S-036, S-081-S-087]}

Gerichte können unterschiedliche Beweismaßstäbe anwenden. Das Münchner OpenAI-Urteil akzeptierte einfache Prompts als tragendes Indiz; andere Verfahren können strengere technische Beweise verlangen. Unternehmen sollten daher nicht auf einen einzigen Testtyp vertrauen. ^{[S-034, S-036]}

Prüfprogramm für Modelle und Anwendungen

Vor Freigabe eines Modells sollte ein Referenzset besonders lizenzkritischer Werke aufgebaut werden. Tests sollten wortnahe Reproduktion, längere Fortsetzungen, bekannte Codepassagen, Bildähnlichkeit und Melodieübernahme abdecken. Treffer sind fachlich und juristisch zu bewerten. ^{[S-081-S-088]}

Regressionstests sind nach Modellupdate, Fine-Tuning, Änderung des System-Prompts oder Erweiterung von RAG-Quellen zu wiederholen. Eine einmalige Prüfung ist bei dynamischen Systemen nicht ausreichend. ^{[S-017, S-018]}

Dokumentiert werden sollten Testdatum, Modellhash oder Version, Prompts, Parameter, Outputs, Bewertungsmethode, Prüfer und Abhilfemaßnahme. Diese Unterlagen dienen Produktverbesserung und Beweisvorsorge. ^{[S-019, S-023]}

Organisatorische Rollen

Beschaffung, Legal, Technik, Informationssicherheit, Datenschutz und Fachbereich sollten gemeinsam entscheiden. Legal allein kann technische Memorisierung nicht messen; Technik allein kann Schutzumfang und Lizenz nicht bewerten. ^{[S-017, S-018]}

Ein Freigaberegister sollte Anwendungsfall, Datenquellen, Rechtsgrundlage, Lizenz, Opt-out-Prozess, Modellversion, Nutzerkreis und Outputkontrolle enthalten. Hochriskante Veröffentlichungen erhalten einen expliziten Human-Review-Schritt. ^{[S-017, S-019, S-023]}

Entscheidungstabellen

Deutschland

Europäische Union

USA - nur Vergleich

Übertragungsgrenze US Fair Use ist keine Auslegungshilfe, die § 44b ersetzt. Deutsche und europäische Aussagen müssen auf UrhG und EU-Richtlinien gestützt werden.

Praxisfälle

Die Kategorien sind keine pauschalen Rechtsgutachten. Sie zeigen, welche Prüfpfade ein Unternehmen für typische Projekte benötigt.

Öffentliches Web-Scraping für ein kommerzielles Basismodell

Training ausschließlich mit eigenen Unternehmensdokumenten

Fine-Tuning mit Kundendokumenten

RAG über lizenzierte Fachliteratur

Interner RAG-Chatbot über eigene Richtlinien

Datensatz eines Drittanbieters einkaufen

Musikgenerator mit Streaming-Rips trainieren

Bildgenerator für eine Marketingkampagne nutzen

Code-Assistent gibt längeren fremden Quellcode aus

Chatbot gibt Liedtext oder Presseartikel weitgehend wieder

"Im Stil von" ohne konkrete Werkreferenz

Universität baut offenen Forschungsdatensatz

Privatunternehmen finanziert ein Forschungsprojekt

Webagentur erstellt eine Vektordatenbank aus Kundenwebsites

Unternehmen veröffentlicht ein KI-generiertes E-Book

Fine-Tuning mit synthetischen Daten aus lizenzierten Quellen

GPAI-Anbieter bringt ein Modell im EU-Markt in Verkehr

Verlag erklärt Rechtevorbehalte gegen KI-Nutzung

Unternehmens-Risikomatrix

Bewertungslogik

"Niedrig" bedeutet nicht rechtfrei, sondern typischerweise gut kontrollierbar, wenn die Rechtekette sauber ist. "Sehr hoch" bedeutet, dass schon der Standardfall erhebliche Unterlassungs-, Schadens- oder Produktfortführungsrisiken enthält. Das tatsächliche Ergebnis kann durch Lizenz, technische Architektur, Nutzerkreis und Rechtsraum wechseln.

Wichtigster Risikotreiber Nicht die Größe des Modells allein, sondern ungeklärte Herkunft, fehlende Opt-out-Verarbeitung, unkontrollierte Langzeitspeicherung und werknahe Ausgaben treiben das rechtliche Risiko.

Häufige Fehlannahmen und Mythen

Offene und umstrittene Rechtsfragen

Unternehmens-Checkliste

Freigabeentscheidung

Buchrelevante Faktenkarten

F-001

F-002

F-003

F-004

F-005

F-006

F-007

F-008

F-009

F-010

F-011

F-012

F-013

F-014

F-015

F-016

F-017

F-018

F-019

F-020

F-021

F-022

F-023

F-024

F-025

F-026

F-027

F-028

F-029

F-030

F-031

F-032

F-033

F-034

F-035

F-036

F-037

F-038

F-039

F-040

F-041

F-042

F-043

F-044

F-045

F-046

F-047

F-048

F-049

F-050

Kurze belegbare Originalzitate

Die Zitate sind bewusst kurz. Sie ersetzen nicht die Lektüre des Kontexts und dürfen bei späterer Buchverwendung nur mit Fundstelle und rechtlicher Zitierprüfung übernommen werden.

Glossar

Werk

Hinreichend präzise und objektiv identifizierbarer Ausdruck einer eigenen geistigen Schöpfung.

Urheber

Natürliche Person, die ein Werk geschaffen hat; generative KI ist nach deutschem Recht kein Urheber.

Vervielfältigung

Unmittelbare oder mittelbare, vorübergehende oder dauerhafte Festlegung eines geschützten Ausdrucks.

Bearbeitung/Umgestaltung

Veränderter Ausdruck, der geschützte Elemente eines vorbestehenden Werks übernimmt.

Öffentliche Zugänglichmachung

Bereitstellung für Mitglieder der Öffentlichkeit an Orten und zu Zeiten ihrer Wahl.

Öffentliche Wiedergabe

Unkörperliche Verwertung gegenüber einem Publikum; unionsrechtlicher Oberbegriff.

Text und Data Mining (TDM)

Automatisierte Analyse digitaler oder digitalisierter Werke zur Informationsgewinnung über Muster, Trends oder Korrelationen.

Rechtmäßiger Zugang

Rechtlich zulässiger Zugang etwa über frei erreichbare Quelle, Vertrag oder Lizenz; keine automatische Nutzungslizenz.

Rechtevorbehalt/Opt-out

Erklärung, mit der Rechteinhaber die allgemeine TDM-Schranke ausschließen können.

Maschinenlesbar

Von automatisierten Systemen technisch auswertbar; ohne universellen gesetzlichen Einzelstandard.

Korpus

Für Analyse oder Training zusammengestellte Sammlung von Werken, Daten und Metadaten.

Dataset

Strukturierte Datensammlung; kann Werke, Links, Merkmale, Labels oder Embeddings enthalten.

Training

Optimierung von Modellparametern anhand von Beispieldaten.

Pretraining

Breites Basistraining eines Modells auf großen Datenmengen.

Fine-Tuning

Weitere Anpassung eines vortrainierten Modells an Domäne, Stil oder Aufgabe.

Inferenz

Nutzung eines trainierten Modells zur Erzeugung oder Bewertung eines Outputs.

RAG

Retrieval-Augmented Generation: Abruf externer Inhalte zur Kontextanreicherung einer Antwort.

Embedding

Numerische Repräsentation eines Inhalts; rechtliche Einordnung hängt vom Ausdrucks- und Rekonstruktionsgehalt ab.

Vektordatenbank

Datenbank zur Speicherung und Ähnlichkeitssuche numerischer Repräsentationen.

Modellgewicht/Parameter

Gelernter numerischer Wert eines Modells; urheberrechtliche Kopieneigenschaft ist umstritten.

Checkpoint

Zwischen- oder Endzustand eines trainierten Modells, der Parameter speichert.

Memorisierung

Trainingsspezifische Festlegung von Inhalten, die unter Umständen reproduzierbar sind.

Extrahierbare Memorisierung

Trainingsinhalt, der durch geeignete Modellabfragen wiedergewonnen werden kann.

Regurgitation

Nahezu wörtliche oder werknahe Wiedergabe von Trainingsmaterial im Output.

Output

Vom System erzeugter Text, Code, Bild, Audio, Video oder sonstiger Inhalt.

Prompt

Nutzer- oder Systemeingabe, die eine Generierung steuert.

System-Prompt

Vom Anbieter oder Betreiber vorgegebene Instruktion, die Nutzerinteraktion überlagert.

Datenbankwerk

Urheberrechtlich geschützte kreative Auswahl oder Anordnung von Daten.

Sui-generis-Datenbankrecht

Leistungsschutz für wesentliche Investitionen in Beschaffung, Prüfung oder Darstellung einer Datenbank.

Entnahme

Übertragung von Datenbankinhalten auf ein anderes Medium.

Wiederverwendung

Öffentliche Bereitstellung von Datenbankinhalten.

Presseveröffentlichung

Journalistische Sammlung im Sinne des Presseverlegerrechts.

Pastiche

Schranke für bestimmte Auseinandersetzungen mit vorbestehendem Material; kein allgemeiner KI-Freibrief.

Zitat

Übernahme zur geistigen Auseinandersetzung mit Quellenangabe und zweckangemessenem Umfang.

Fair Use

US-amerikanische offene Schranke anhand vier gesetzlicher Faktoren.

Drei-Stufen-Test

Schranken dürfen nur Sonderfälle betreffen, normale Verwertung nicht beeinträchtigen und Interessen nicht unzumutbar verletzen.

Technische Schutzmaßnahme

Technik zur Kontrolle geschützter Nutzungen, deren Umgehung eigenständig verboten sein kann.

Copyright Management Information

Elektronische Informationen zu Werk, Urheber, Rechteinhaber oder Nutzungsbedingungen.

Provenienz

Dokumentierte Herkunft, Rechtekette und Verarbeitungsgeschichte von Daten und Inhalten.

Human-in-the-loop

Menschliche Beteiligung; für Urheberschaft zählt kreative Ergebnisprägung, nicht bloße Anwesenheit.

Machine Unlearning

Techniken zur nachträglichen Reduzierung oder Entfernung des Einflusses bestimmter Trainingsdaten.

GPAI-Modell

General-Purpose-AI-Modell im Sinne des AI Act mit eigenem Pflichtenregime.

Trainingsinhaltszusammenfassung

Öffentliche, aggregierte Übersicht nach Art. 53 Abs. 1 lit. d AI Act.

Copyright-Policy nach AI Act

Organisatorische Strategie eines GPAI-Anbieters zur Einhaltung des Unionsurheberrechts.

Freistellung

Vertragliche Zusage, bestimmte Ansprüche oder Kosten zu übernehmen; beseitigt Rechte Dritter nicht.

Output-Filter

Technische Kontrolle zur Vermeidung werknaher oder anderweitig unzulässiger Ausgaben.

Beleg- und Quellenmatrix

Vollständiges Quellenregister

Das Register enthält 98 Quellen. Direkte URLs, Status und Fundstellen sind Bestandteil jedes Eintrags. Bei anhängigen Verfahren ist ausschließlich der Stand vom 7. August 2026 wiedergegeben.

S-001 | Bundesministerium der Justiz / Bundesamt für Justiz Urheberrechtsgesetz - konsolidierter Gesetzestext Gesetz | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 Deutschland | Primärquelle | GELTENDES RECHT Relevanz: Zentrale deutsche Rechtsgrundlage für Werkbegriff, Verwertungsrechte, Schranken, Datenbanken und Rechtsfolgen. Fundstelle: §§ 2, 7, 15, 16, 19a, 23, 44a, 44b, 51, 51a, 57, 60d, 69a-e, 87a-e, 95a-b, 97, 101 URL: https://www.gesetze-im-internet.de/urhg/BJNR012730965.html

S-002 | Bundesministerium der Justiz / Bundesamt für Justiz § 44b UrhG - Text und Data Mining Gesetzeseinzelnorm | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 Deutschland | Primärquelle | GELTENDES RECHT Relevanz: Allgemeine TDM-Schranke einschließlich rechtmäßiger Zugänglichkeit, Löschung und Nutzungsvorbehalt. Fundstelle: § 44b Abs. 1-3 URL: https://www.gesetze-im-internet.de/urhg/__44b.html

S-003 | Bundesministerium der Justiz / Bundesamt für Justiz § 60d UrhG - Text und Data Mining für Zwecke der wissenschaftlichen Forschung Gesetzeseinzelnorm | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 Deutschland | Primärquelle | GELTENDES RECHT Relevanz: Besondere Forschungs-Schranke und privilegierter Adressatenkreis. Fundstelle: § 60d Abs. 1-5 URL: https://www.gesetze-im-internet.de/urhg/__60d.html

S-004 | Bundesministerium der Justiz / Bundesamt für Justiz § 87c UrhG - Schranken des Rechts des Datenbankherstellers Gesetzeseinzelnorm | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 Deutschland | Primärquelle | GELTENDES RECHT Relevanz: Erstreckung unter anderem der TDM-Regelungen auf das Datenbankherstellerrecht. Fundstelle: § 87c URL: https://www.gesetze-im-internet.de/urhg/__87c.html

S-005 | Bundesministerium der Justiz / Bundesamt für Justiz § 95b UrhG - Durchsetzung von Schrankenbestimmungen Gesetzeseinzelnorm | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 Deutschland | Primärquelle | GELTENDES RECHT Relevanz: Verhältnis von technischen Schutzmaßnahmen und bestimmten Schranken. Fundstelle: § 95b URL: https://www.gesetze-im-internet.de/urhg/__95b.html

S-006 | Deutscher Bundestag BT-Drs. 19/27426 - Entwurf eines Gesetzes zur Anpassung des Urheberrechts an die Erfordernisse des digitalen Binnenmarktes Gesetzesmaterial | Veröffentlichung/Stand: 09.03.2021 | Abruf: 07.08.2026 Deutschland | Primärquelle | HISTORISCHE GESETZESBEGRÜNDUNG Relevanz: Begründung der deutschen Umsetzung der DSM-Richtlinie, einschließlich §§ 44b und 60d UrhG. Fundstelle: insb. Begründung zu Art. 1 Nr. 14 und Nr. 22 URL: https://dserver.bundestag.de/btd/19/274/1927426.pdf

S-007 | Deutscher Bundestag BT-Drs. 19/29894 - Beschlussempfehlung und Bericht zum DSM-Urheberrechts-Anpassungsgesetz Gesetzesmaterial | Veröffentlichung/Stand: 19.05.2021 | Abruf: 07.08.2026 Deutschland | Primärquelle | HISTORISCHE GESETZESMATERIALIEN Relevanz: Finale parlamentarische Änderungen und Begründungen. Fundstelle: Abschnitte zu § 44b und § 60d UrhG URL: https://dserver.bundestag.de/btd/19/298/1929894.pdf

S-008 | Deutscher Bundestag BT-Drs. 19/28171 - Stellungnahme des Bundesrates und Gegenäußerung der Bundesregierung Gesetzesmaterial | Veröffentlichung/Stand: 01.04.2021 | Abruf: 07.08.2026 Deutschland | Primärquelle | HISTORISCHE GESETZESMATERIALIEN Relevanz: Auslegungshinweise zum Nutzungsvorbehalt und zur Umsetzung von Art. 4 Abs. 3 DSM-RL. Fundstelle: Nr. 6 zu § 44b Abs. 3 URL: https://dserver.bundestag.de/btd/19/281/1928171.pdf

S-009 | Europäische Union Richtlinie (EU) 2019/790 über das Urheberrecht und die verwandten Schutzrechte im digitalen Binnenmarkt Richtlinie | Veröffentlichung/Stand: 17.04.2019 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES UNIONSRECHT Relevanz: Unionsrechtliche Grundlage der TDM-Ausnahmen. Fundstelle: Art. 2 Nr. 2, Art. 3, Art. 4; Erwägungsgründe 8-18 URL: https://eur-lex.europa.eu/eli/dir/2019/790/oj/eng

S-010 | Europäische Union Richtlinie 2001/29/EG zur Harmonisierung bestimmter Aspekte des Urheberrechts in der Informationsgesellschaft Richtlinie | Veröffentlichung/Stand: 22.05.2001 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES UNIONSRECHT Relevanz: Vervielfältigungsrecht, öffentliche Wiedergabe, Schranken und Drei-Stufen-Test. Fundstelle: Art. 2, 3, 5 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:32001L0029

S-011 | Europäische Union Richtlinie 96/9/EG über den rechtlichen Schutz von Datenbanken - konsolidierte Fassung Richtlinie | Veröffentlichung/Stand: Stand 06.06.2019 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES UNIONSRECHT Relevanz: Datenbankurheberrecht und sui-generis-Herstellerrecht. Fundstelle: Art. 3, 7-11 URL: https://eur-lex.europa.eu/eli/dir/1996/9/2019-06-06/eng

S-012 | Europäische Union Richtlinie 2009/24/EG über den Rechtsschutz von Computerprogrammen Richtlinie | Veröffentlichung/Stand: 23.04.2009 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES UNIONSRECHT Relevanz: Sonderregime für Software, Ideen/Funktionalität, Dekompilierung und rechtmäßige Nutzung. Fundstelle: Art. 1, 4-6 URL: https://eur-lex.europa.eu/eli/dir/2009/24/oj/eng

S-013 | Europäische Union Richtlinie 2004/48/EG zur Durchsetzung der Rechte des geistigen Eigentums Richtlinie | Veröffentlichung/Stand: 29.04.2004 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES UNIONSRECHT Relevanz: Auskunft, Beweissicherung, Unterlassung und Schadensersatz im unionsrechtlichen Rahmen. Fundstelle: Art. 6-13 URL: https://eur-lex.europa.eu/eli/dir/2004/48/oj/eng

S-014 | WIPO Berner Übereinkunft zum Schutz von Werken der Literatur und Kunst Internationaler Vertrag | Veröffentlichung/Stand: Paris-Fassung 24.07.1971, geändert 28.09.1979 | Abruf: 07.08.2026 International | Primärquelle | GELTENDES VÖLKERRECHT Relevanz: Werkbegriff, Vervielfältigungsrecht und Drei-Stufen-Test. Fundstelle: Art. 2, 9 URL: https://www.wipo.int/wipolex/en/text/283698

S-015 | WIPO WIPO Copyright Treaty Internationaler Vertrag | Veröffentlichung/Stand: 20.12.1996 | Abruf: 07.08.2026 International | Primärquelle | GELTENDES VÖLKERRECHT Relevanz: Idee-Ausdruck-Dichotomie und digitale Rechte. Fundstelle: Art. 2, 8 URL: https://www.wipo.int/wipolex/en/text/295166

S-016 | WIPO Artificial Intelligence and Intellectual Property Offizielle Themenübersicht | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 International | Offizielle Quelle | AKTUELL Relevanz: Internationaler Überblick zu KI und IP-Infrastruktur. Fundstelle: Website URL: https://www.wipo.int/en/web/frontier-technologies/artificial-intelligence/index

S-017 | WIPO Generative AI: Navigating Intellectual Property Offizielles Factsheet | Veröffentlichung/Stand: 2024 | Abruf: 07.08.2026 International | Offizielle Quelle | AKTUELL Relevanz: Praxisorientierte Übersicht zu Trainingsdaten, Outputs, Verträgen und Risikomanagement. Fundstelle: Gesamtdokument URL: https://www.wipo.int/documents/d/frontier-technologies/docs-en-pdf-generative-ai-factsheet.pdf

S-018 | WIPO Learning Machines: Developing and Protecting AI Systems Praxisleitfaden | Veröffentlichung/Stand: 08.07.2026 aktualisiert | Abruf: 07.08.2026 International | Offizielle Quelle | AKTUELL Relevanz: Aktueller SME-Leitfaden zu Entwicklung, Daten, Verträgen und Schutzstrategien. Fundstelle: Kapitel Developing and Protecting AI Systems URL: https://www.wipo.int/web-publications/learning-machines-an-introduction-to-ai-and-ip-for-small-and-medium-sized-enterprises/en/developing-and-protecting-ai-systems.html

S-019 | Europäische Union Verordnung (EU) 2024/1689 - konsolidierte Fassung, Stand 27.07.2026 Verordnung | Veröffentlichung/Stand: 27.07.2026 | Abruf: 07.08.2026 EU/EWR | Primärquelle | GELTENDES RECHT Relevanz: AI-Act-Pflichten der GPAI-Provider zu Copyright Policy und Trainingsinhaltszusammenfassung. Fundstelle: Art. 53 Abs. 1 lit. c-d; Erwägungsgrund 107 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:02024R1689-20260727

S-020 | Europäische Kommission / AI Office General-Purpose AI Code of Practice Freiwilliger Code | Veröffentlichung/Stand: 10.07.2025 | Abruf: 07.08.2026 EU | Offizielle Quelle | FREIWILLIGER COMPLIANCE-CODE Relevanz: Copyright Chapter zur Umsetzung von Art. 53 Abs. 1 lit. c AI Act. Fundstelle: Copyright Chapter URL: https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai

S-021 | Europäische Kommission / AI Office Explanatory Notice and Template for the Public Summary of Training Content Behördenvorlage | Veröffentlichung/Stand: 24.07.2025 | Abruf: 07.08.2026 EU | Offizielle Behördenposition | AKTUELL Relevanz: Konkretisierung von Art. 53 Abs. 1 lit. d AI Act. Fundstelle: Gesamtdokument URL: https://digital-strategy.ec.europa.eu/en/library/explanatory-notice-and-template-public-summary-training-content-general-purpose-ai-models

S-022 | Europäische Kommission / AI Office FAQ: Template for GPAI model providers to summarise their training content FAQ | Veröffentlichung/Stand: 26.03.2026 aktualisiert | Abruf: 07.08.2026 EU | Offizielle Behördenposition | AKTUELL Relevanz: Reichweite, Fristen und Zweck der Trainingsinhaltszusammenfassung. Fundstelle: Gesamtdokument URL: https://digital-strategy.ec.europa.eu/en/faqs/template-general-purpose-ai-model-providers-summarise-their-training-content

S-023 | Europäische Kommission / AI Office Guidelines for providers of general-purpose AI models Leitlinien | Veröffentlichung/Stand: 28.04.2026 aktualisiert | Abruf: 07.08.2026 EU | Offizielle Behördenposition | AKTUELL Relevanz: Anwendbarkeit und Durchsetzung der GPAI-Pflichten 2025-2027. Fundstelle: Gesamtdokument URL: https://digital-strategy.ec.europa.eu/en/policies/guidelines-gpai-providers

S-024 | Europäische Kommission / AI Office General-Purpose AI Models in the AI Act - Questions & Answers FAQ | Veröffentlichung/Stand: 10.07.2025, Stand 07.08.2026 | Abruf: 07.08.2026 EU | Offizielle Behördenposition | AKTUELL Relevanz: Abgrenzung von Modell- und Systempflichten sowie Copyright- und Transparenzpflichten. Fundstelle: Abschnitte Art. 53 URL: https://digital-strategy.ec.europa.eu/en/faqs/general-purpose-ai-models-ai-act-questions-answers

S-025 | W3C Text and Data Mining Reservation Protocol Community Group Text and Data Mining Reservation Protocol 1.0 Technischer Community-Standard | Veröffentlichung/Stand: 10.05.2024 | Abruf: 07.08.2026 International | Technischer Standard | FINAL COMMUNITY REPORT Relevanz: Maschinenlesbare Rechtevorbehalte über HTTP/Header und tdm-policy. Fundstelle: Gesamtdokument URL: https://www.w3.org/community/reports/tdmrep/CG-FINAL-tdmrep-20240510/

S-026 | IETF RFC 9309 - Robots Exclusion Protocol Internetstandard | Veröffentlichung/Stand: 09.2022 | Abruf: 07.08.2026 International | Technischer Standard | AKTUELL Relevanz: Standardisiert robots.txt; stellt klar, dass Robots-Regeln keine Zugriffsautorisierung sind. Fundstelle: Gesamtdokument URL: https://www.rfc-editor.org/info/rfc9309/

S-027 | Internet Architecture Board RFC 9969 - AI-CONTROL Workshop Report Workshopbericht | Veröffentlichung/Stand: 2026 | Abruf: 07.08.2026 International | Technischer Bericht | AKTUELL Relevanz: Aktueller technischer Diskurs zu maschinenlesbarer Kontrolle von KI-Crawlern und Datennutzung. Fundstelle: Gesamtdokument URL: https://www.rfc-editor.org/info/rfc9969/

S-028 | IPTC Best Practices for Generative AI Opt-Out for Publishers Branchenstandard / Best Practice | Veröffentlichung/Stand: 28.05.2025 | Abruf: 07.08.2026 International | Branchenquelle | AKTUELL Relevanz: Mehrschichtige Opt-out-Empfehlungen für Publisher. Fundstelle: Gesamtdokument URL: https://www.iptc.org/news/iptc-publishes-best-practice-guidance-on-generative-ai-opt-out-for-publishers/

S-029 | IPTC Photo Metadata Standard 2023.1 - Data Mining / AI Opt-Out Metadatenstandard | Veröffentlichung/Stand: 18.10.2023 | Abruf: 07.08.2026 International | Branchenstandard | AKTUELL Relevanz: Einbettung von TDM-/AI-Nutzungsvorbehalten in Bildmetadaten. Fundstelle: Gesamtdokument URL: https://iptc.org/news/exclude-images-from-generative-ai-iptc-photo-metadata-standard-2023-1/

S-030 | IPTC Video Metadata Hub 1.5 - AI indexing opt-out Metadatenstandard | Veröffentlichung/Stand: 2024 | Abruf: 07.08.2026 International | Branchenstandard | AKTUELL Relevanz: Maschinenlesbare Vorbehalte für Video. Fundstelle: Gesamtdokument URL: https://iptc.org/news/videos-can-be-opted-out-from-ai-indexing-using-iptc-video-metadata-hub-version-1-5/

S-031 | Landgericht Hamburg Urteil vom 27.09.2024 - 310 O 227/23 (LAION) Gerichtsentscheidung | Veröffentlichung/Stand: 27.09.2024 | Abruf: 07.08.2026 Deutschland | Rechtsprechung | ERSTE INSTANZ; DURCH OLG BESTÄTIGT Relevanz: Erste deutsche Entscheidung zu TDM bei Erstellung eines Bild-Text-Datensatzes. Fundstelle: insb. Rn. 42-105 URL: https://www.itm.nrw/wp-content/uploads/2024/09/2495651-en.pdf

S-032 | Hanseatisches Oberlandesgericht Pressemitteilung zum Urteil 5 U 104/24 Offizielle Gerichtsmitteilung | Veröffentlichung/Stand: 10.12.2025 | Abruf: 07.08.2026 Deutschland | Offizielle Gerichtsquelle | REVISION ZUGELASSEN Relevanz: Bestätigung der TDM-Zulässigkeit im konkreten Datensatzfall; Auslegung des maschinenlesbaren Vorbehalts. Fundstelle: Gesamtdokument URL: https://justiz.hamburg.de/gerichte/oberlandesgericht/gerichtspressestelle/ki-und-urheberrecht-hanseatisches-oberlandesgericht-weist-berufung-zurueck-1126528

S-033 | Bundesgerichtshof I ZR 281/25 - Erstellen eines Datensatzes für KI-Training Offizieller Terminhinweis | Veröffentlichung/Stand: Termin 03.09.2026 | Abruf: 07.08.2026 Deutschland | Offizielle Gerichtsquelle | ANHÄNGIG AM STICHTAG Relevanz: Revisionsverfahren gegen OLG Hamburg; keine BGH-Entscheidung am 07.08.2026. Fundstelle: Gesamtdokument URL: https://www.bundesgerichtshof.de/SharedDocs/Termine/DE/Termine/IZR281-25.html

S-034 | Landgericht München I Endurteil vom 11.11.2025 - 42 O 14139/24 (GEMA gegen OpenAI) Gerichtsentscheidung | Veröffentlichung/Stand: 11.11.2025 | Abruf: 07.08.2026 Deutschland | Rechtsprechung | ERSTE INSTANZ; BERUFUNG ANHÄNGIG Relevanz: Memorisierung von Liedtexten im Modell und werknahe Outputs als Vervielfältigung; TDM-Abgrenzung. Fundstelle: insb. Rn. 155 ff., 233 ff., 291 ff. URL: https://www.gesetze-bayern.de/Content/Document/Y-300-Z-GRURRS-B-2025-N-30204

S-035 | Landgericht München I Pressemitteilung 11/2025 - Urteil GEMA gegen OpenAI Offizielle Gerichtsmitteilung | Veröffentlichung/Stand: 11.11.2025 | Abruf: 07.08.2026 Deutschland | Offizielle Gerichtsquelle | NICHT RECHTSKRÄFTIG Relevanz: Amtliche Zusammenfassung des Urteils und Hinweis auf Berufung. Fundstelle: Gesamtdokument URL: https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2025/11.php

S-036 | Landgericht München I Endurteil vom 31.07.2026 - 42 O 763/25 (GEMA gegen Suno) Gerichtsentscheidung | Veröffentlichung/Stand: 31.07.2026 | Abruf: 07.08.2026 Deutschland | Rechtsprechung | ERSTE INSTANZ; NICHT RECHTSKRÄFTIG Relevanz: Musiktraining, Stream-Ripping, Memorisierung im Modell und werknahe Outputs. Fundstelle: insb. Rn. 111 ff., 277 ff., 430 ff. URL: https://www.gesetze-bayern.de/Content/Document/Y-300-Z-BECKRS-B-2026-N-17961

S-037 | Landgericht München I Pressemitteilung 16/2026 - Urteil GEMA gegen Suno Offizielle Gerichtsmitteilung | Veröffentlichung/Stand: 31.07.2026 | Abruf: 07.08.2026 Deutschland | Offizielle Gerichtsquelle | NICHT RECHTSKRÄFTIG Relevanz: Amtliche Zusammenfassung des Suno-Urteils. Fundstelle: Gesamtdokument URL: https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2026/16.php

S-038 | Amtsgericht München Endurteil vom 13.02.2026 - 142 C 9786/25 Gerichtsentscheidung | Veröffentlichung/Stand: 13.02.2026 | Abruf: 07.08.2026 Deutschland | Rechtsprechung | UNTERE INSTANZ Relevanz: Menschliche schöpferische Prägung bei KI-unterstützten Logos; konkrete Logos mangels Schöpfungshöhe ungeschützt. Fundstelle: Entscheidungsgründe URL: https://www.gesetze-bayern.de/Content/Document/Y-300-Z-BECKRS-B-2026-N-1513

S-039 | EUIPO Recent case-law: Munich District Court - AI-generated images Offizielle Fallzusammenfassung | Veröffentlichung/Stand: 2026 | Abruf: 07.08.2026 EU/Deutschland | Offizielle EUIPO-Quelle | AKTUELL Relevanz: Einordnung der deutschen Output-Urheberschaftsentscheidung. Fundstelle: Gesamtdokument URL: https://www.euipo.europa.eu/en/law/recent-case-law/the-district-court-of-munichopens-a-new-window-rules-out-the-copyrightability-of-ai-generated

S-040 | EUIPO Recent case-law: Hamburg District Court - LAION v Kneschke Offizielle Fallzusammenfassung | Veröffentlichung/Stand: 2025 | Abruf: 07.08.2026 EU/Deutschland | Offizielle EUIPO-Quelle | AKTUELL Relevanz: EU-weite Einordnung des LAION-Falls. Fundstelle: Gesamtdokument URL: https://www.euipo.europa.eu/en/law/recent-case-law/germany-hamburg-district-court-310-o-22723-laion-v-robert-kneschke

S-041 | Gerichtshof der Europäischen Union Rechtssache C-250/25 - Like Company gegen Google Ireland Verfahrensakte | Veröffentlichung/Stand: anhängig seit 03.04.2025 | Abruf: 07.08.2026 EU | Primärquelle | ANHÄNGIG; KEIN URTEIL AM STICHTAG Relevanz: Vorlagefragen zu Chatbot-Outputs, Training/Tokenisierung, Art. 4 DSM-RL und Verantwortlichkeit. Fundstelle: Verfahrensübersicht URL: https://infocuria.curia.europa.eu/tabs/redirect/juris/liste.jsf?num=C-250%2F25

S-042 | Europäische Union / Amtsblatt Vorabentscheidungsersuchen C-250/25 - Like Company Amtsblattmitteilung | Veröffentlichung/Stand: 03.04.2025 | Abruf: 07.08.2026 EU | Primärquelle | ANHÄNGIG Relevanz: Wortlaut der Vorlagefragen. Fundstelle: Gesamtdokument URL: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=OJ:C_202503039

S-043 | EuGH Infopaq International - C-5/08 Gerichtsentscheidung | Veröffentlichung/Stand: 16.07.2009 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Werkteile und weites Verständnis des Vervielfältigungsrechts; 11 Wörter können geschützt sein. Fundstelle: Rn. 33-51, 64 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:62008CJ0005

S-044 | EuGH Bezpecnostni softwarova asociace - C-393/09 Gerichtsentscheidung | Veröffentlichung/Stand: 22.12.2010 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Schutz von Ausdruck, nicht bloßer Funktionalität bei Software. Fundstelle: Rn. 35-51 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62009CJ0393

S-045 | EuGH Painer - C-145/10 Gerichtsentscheidung | Veröffentlichung/Stand: 01.12.2011 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Originalität als Ausdruck freier kreativer Entscheidungen. Fundstelle: Rn. 87-99 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:62010CJ0145

S-046 | EuGH Football Dataco - C-604/10 Gerichtsentscheidung | Veröffentlichung/Stand: 01.03.2012 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Originalität von Datenbanken durch Auswahl oder Anordnung, nicht Arbeitsaufwand allein. Fundstelle: Rn. 37-46 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62010CJ0604

S-047 | EuGH SAS Institute - C-406/10 Gerichtsentscheidung | Veröffentlichung/Stand: 02.05.2012 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Funktionalität, Programmiersprache und Dateiformat als solche nicht urheberrechtlich geschützt. Fundstelle: Rn. 33-46 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:62010CJ0406

S-048 | EuGH Levola Hengelo - C-310/17 Gerichtsentscheidung | Veröffentlichung/Stand: 13.11.2018 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Schutzgegenstand muss hinreichend klar und objektiv bestimmbar sein. Fundstelle: Rn. 33-42 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62017CJ0310

S-049 | EuGH Cofemel - C-683/17 Gerichtsentscheidung | Veröffentlichung/Stand: 12.09.2019 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Einheitlicher Originalitätsmaßstab und Werkbegriff. Fundstelle: Rn. 29-35 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:62017CJ0683

S-050 | EuGH Brompton Bicycle - C-833/18 Gerichtsentscheidung | Veröffentlichung/Stand: 11.06.2020 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Technisch bedingte Gestaltung und verbleibende kreative Freiheit. Fundstelle: Rn. 22-38 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:62018CJ0833

S-051 | EuGH Pelham - C-476/17 Gerichtsentscheidung | Veröffentlichung/Stand: 29.07.2019 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Sampling, Vervielfältigung kleinster Audiofragmente und Schranken. Fundstelle: Rn. 25-39, 56-65 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62017CJ0476

S-052 | EuGH VG Bild-Kunst - C-392/19 Gerichtsentscheidung | Veröffentlichung/Stand: 09.03.2021 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Framing, technische Schutzmaßnahmen und öffentliche Wiedergabe. Fundstelle: Rn. 32-55 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62019CJ0392

S-053 | EuGH YouTube und Cyando - C-682/18 und C-683/18 Gerichtsentscheidung | Veröffentlichung/Stand: 22.06.2021 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Verantwortlichkeit von Plattformbetreibern für öffentliche Wiedergabe. Fundstelle: Rn. 68-102 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62018CJ0682

S-054 | EuGH British Horseracing Board - C-203/02 Gerichtsentscheidung | Veröffentlichung/Stand: 09.11.2004 | Abruf: 07.08.2026 EU | Rechtsprechung | DATENBANK-GRUNDLAGENURTEIL Relevanz: Investition in das Erzeugen von Daten ist nicht automatisch Investition in deren Beschaffung. Fundstelle: Rn. 30-46 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62002CJ0203

S-055 | EuGH Directmedia Publishing - C-304/07 Gerichtsentscheidung | Veröffentlichung/Stand: 09.10.2008 | Abruf: 07.08.2026 EU | Rechtsprechung | DATENBANK-GRUNDLAGENURTEIL Relevanz: Weiter Begriff der Entnahme bei Übertragung auf anderes Medium. Fundstelle: Rn. 34-47 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62007CJ0304

S-056 | EuGH Innoweb - C-202/12 Gerichtsentscheidung | Veröffentlichung/Stand: 19.12.2013 | Abruf: 07.08.2026 EU | Rechtsprechung | DATENBANK-GRUNDLAGENURTEIL Relevanz: Meta-Suchmaschine und Wiederverwendung wesentlicher Datenbankinhalte. Fundstelle: Rn. 33-53 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:62012CJ0202

S-057 | EuGH CV-Online Latvia - C-762/19 Gerichtsentscheidung | Veröffentlichung/Stand: 03.06.2021 | Abruf: 07.08.2026 EU | Rechtsprechung | DATENBANK-GRUNDLAGENURTEIL Relevanz: Beeinträchtigung der Investition als zentrale Wertung beim Datenbankherstellerrecht. Fundstelle: Rn. 27-46 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62019CJ0762

S-058 | EuGH Public Relations Consultants Association - C-360/13 Gerichtsentscheidung | Veröffentlichung/Stand: 05.06.2014 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Flüchtige Kopien beim Browsing und Voraussetzungen der Ausnahme. Fundstelle: Rn. 33-63 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62013CJ0360

S-059 | EuGH Spiegel Online - C-516/17 Gerichtsentscheidung | Veröffentlichung/Stand: 29.07.2019 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Grundrechtskonforme, aber abschließende Schrankenstruktur. Fundstelle: Rn. 38-58 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62017CJ0516

S-060 | EuGH Funke Medien NRW - C-469/17 Gerichtsentscheidung | Veröffentlichung/Stand: 29.07.2019 | Abruf: 07.08.2026 EU | Rechtsprechung | GRUNDLAGENURTEIL Relevanz: Urheberrecht, Grundrechte und abschließender Charakter der Richtlinienausnahmen. Fundstelle: Rn. 53-76 URL: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62017CJ0469

S-061 | U.S. Copyright Office Copyright and Artificial Intelligence - overview Offizielle Themenübersicht | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 USA | Offizielle Quelle | AKTUELL Relevanz: Status und Veröffentlichungen der mehrteiligen USCO-Studie. Fundstelle: Website URL: https://www.copyright.gov/ai/

S-062 | U.S. Copyright Office Copyright and Artificial Intelligence, Part 2: Copyrightability Behördenbericht | Veröffentlichung/Stand: 29.01.2025 | Abruf: 07.08.2026 USA | Offizielle Behördenposition | AKTUELL Relevanz: Menschliche Urheberschaft, Prompts, Auswahl/Anordnung und Nachbearbeitung. Fundstelle: S. 7-40 URL: https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-2-Copyrightability-Report.pdf

S-063 | U.S. Copyright Office Copyright and Artificial Intelligence, Part 3: Generative AI Training - pre-publication version Behördenbericht | Veröffentlichung/Stand: 09.05.2025 | Abruf: 07.08.2026 USA | Offizielle Behördenposition | PRE-PUBLICATION; KEINE SUBSTANZIELLEN ÄNDERUNGEN ERWARTET Relevanz: Fair-use-Analyse, Quellenherkunft, Marktfolgen und Lizenzmärkte. Fundstelle: Gesamtdokument URL: https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf

S-064 | U.S. Copyright Office Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence Behördenleitlinie | Veröffentlichung/Stand: 16.03.2023 | Abruf: 07.08.2026 USA | Offizielle Behördenposition | AKTUELL, UPDATE ANGEKÜNDIGT Relevanz: Registrierung menschlicher Beiträge und Offenlegung von AI-generiertem Material. Fundstelle: Gesamtdokument URL: https://www.copyright.gov/ai/ai_policy_guidance.pdf

S-065 | U.S. Court of Appeals for the D.C. Circuit Thaler v. Perlmutter - No. 23-5233 Gerichtsentscheidung | Veröffentlichung/Stand: 18.03.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | BERUFUNG ENTSCHIEDEN; HUMAN AUTHORSHIP BESTÄTIGT Relevanz: US Copyright Act erfordert menschliche Urheberschaft. Fundstelle: S. 12-22 URL: https://www.copyright.gov/ai/docs/court-of-appeals-decision-affirming-refusal-of-registration.pdf

S-066 | U.S. Copyright Office Testimony of Register Shira Perlmutter before Senate IP Subcommittee Behördenaussage | Veröffentlichung/Stand: 12.05.2026 | Abruf: 07.08.2026 USA | Offizielle Quelle | AKTUELL Relevanz: Bestätigung des Standes von Part 2/3 und fallbezogener Fair-use-Analyse. Fundstelle: S. 4-8 URL: https://www.copyright.gov/laws/hearings/Testimony-Register-Shira-Perlmutter-May-12-2026-Hearing-Senate-Judiciary-IP-Subcommittee.pdf

S-067 | U.S. Copyright Office Identifying the Economic Implications of Artificial Intelligence for Copyright Policy Forschungsbericht | Veröffentlichung/Stand: 2025 | Abruf: 07.08.2026 USA | Offizielle Forschungsquelle | AKTUELL Relevanz: Ökonomische Anreiz- und Marktfragen bei AI-generierten Inhalten. Fundstelle: Gesamtdokument URL: https://www.copyright.gov/economic-research/economic-implications-of-ai/Identifying-the-Economic-Implications-of-Artificial-Intelligence-for-Copyright-Policy-FINAL.pdf

S-068 | United States District Court for the District of Delaware Thomson Reuters v. Ross Intelligence - 1:20-cv-00613 Gerichtsentscheidung | Veröffentlichung/Stand: 11.02.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | TEILURTEIL; BERUFUNG ANHÄNGIG Relevanz: Kein Fair Use für konkurrierendes juristisches Recherchetool auf Basis geschützter Headnotes; nicht generative KI. Fundstelle: Gesamtdokument URL: https://www.ded.uscourts.gov/sites/ded/files/opinions/20-613_5.pdf

S-069 | United States District Court for the District of Delaware Thomson Reuters v. Ross - Stay pending interlocutory appeal Gerichtsentscheidung | Veröffentlichung/Stand: 23.05.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | BERUFUNGSVERFAHREN ANHÄNGIG Relevanz: Bestätigt offene schwierige Rechtsfragen und Aussetzung bis Third Circuit. Fundstelle: Gesamtdokument URL: https://law.justia.com/cases/federal/district-courts/delaware/dedce/1:2020cv00613/72109/804/

S-070 | U.S. District Court, Northern District of California Bartz v. Anthropic - Order on Fair Use Gerichtsentscheidung | Veröffentlichung/Stand: 23.06.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | TEILENTSCHEIDUNG; VERFAHREN SPÄTER VERGLICHEN Relevanz: Training mit den konkreten Buchkopien als Fair Use; separate Behandlung piratisierter Bibliothekskopien. Fundstelle: Gesamtdokument URL: https://www.courtlistener.com/docket/69058235/231/bartz-v-anthropic-pbc/

S-071 | CourtListener / U.S. District Court ND California Bartz v. Anthropic - docket and settlement status Verfahrensdocket | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 USA | Verfahrensquelle | VERGLEICH IM JULI 2026 GERICHTLICH GENEHMIGT Relevanz: Aktueller Verfahrensstand; Vergleich ist kein Präzedenzurteil zur allgemeinen Trainingserlaubnis. Fundstelle: Docket URL: https://www.courtlistener.com/docket/69058235/bartz-v-anthropic-pbc/

S-072 | U.S. District Court, Northern District of California Kadrey v. Meta - Order on Fair Use Gerichtsentscheidung | Veröffentlichung/Stand: 25.06.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | SUMMARY JUDGMENT AUF DEM VORLIEGENDEN RECORD Relevanz: Fair Use zugunsten Meta wegen unzureichend belegten Marktschadens; Gericht betont mögliche andere Ergebnisse bei stärkerem Beweis. Fundstelle: Gesamtdokument URL: https://law.justia.com/cases/federal/district-courts/california/candce/3:2023cv03417/415175/598/

S-073 | CourtListener / U.S. District Court ND California Kadrey v. Meta - docket Verfahrensdocket | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 USA | Verfahrensquelle | WEITERE ANSPRÜCHE/VERFAHRENSTEILE Relevanz: Aktueller Status und Folgeanträge. Fundstelle: Docket URL: https://www.courtlistener.com/docket/67569326/kadrey-v-meta-platforms-inc/

S-074 | U.S. District Court, Southern District of New York The New York Times v. Microsoft/OpenAI - opinion on motions to dismiss Gerichtsentscheidung | Veröffentlichung/Stand: 04.04.2025 | Abruf: 07.08.2026 USA | Rechtsprechung | HAUPTVERFAHREN ANHÄNGIG Relevanz: Kernansprüche überlebten teilweise; Fair Use nicht abschließend entschieden. Fundstelle: Gesamtdokument URL: https://law.justia.com/cases/federal/district-courts/new-york/nysdce/1:2023cv11195/612697/514/

S-075 | CourtListener / U.S. District Court SDNY In re OpenAI Copyright Infringement Litigation - 1:25-md-03143 Verfahrensdocket | Veröffentlichung/Stand: Stand 31.07.2026 | Abruf: 07.08.2026 USA | Verfahrensquelle | ANHÄNGIG Relevanz: Konsolidierter Verfahrensstand mehrerer US-Copyrightklagen. Fundstelle: Docket URL: https://www.courtlistener.com/docket/69879510/in-re-openai-inc-copyright-infringement-litigation/

S-076 | U.S. Congress / U.S. Copyright Office Title 17 of the United States Code Gesetz | Veröffentlichung/Stand: Stand 07.08.2026 | Abruf: 07.08.2026 USA | Primärquelle | GELTENDES US-RECHT Relevanz: US-Werkbegriff, Exklusivrechte und Fair Use. Fundstelle: 17 U.S.C. §§ 102, 106, 107 URL: https://www.copyright.gov/title17/

S-077 | U.S. Supreme Court Andy Warhol Foundation v. Goldsmith - 598 U.S. 508 Gerichtsentscheidung | Veröffentlichung/Stand: 18.05.2023 | Abruf: 07.08.2026 USA | Rechtsprechung | FAIR-USE-GRUNDLAGENURTEIL Relevanz: Zweck/Charakter und kommerzielle Marktsubstitution bei Fair Use. Fundstelle: Gesamtdokument URL: https://www.supremecourt.gov/opinions/22pdf/21-869_87ad.pdf

S-078 | U.S. Supreme Court Google LLC v. Oracle America, Inc. - 593 U.S. 1 Gerichtsentscheidung | Veröffentlichung/Stand: 05.04.2021 | Abruf: 07.08.2026 USA | Rechtsprechung | FAIR-USE-GRUNDLAGENURTEIL Relevanz: Fair Use bei Software-API unter spezifischen Umständen. Fundstelle: Gesamtdokument URL: https://www.supremecourt.gov/opinions/20pdf/18-956_d18f.pdf

S-079 | U.S. Court of Appeals for the Second Circuit Authors Guild v. Google - Google Books Gerichtsentscheidung | Veröffentlichung/Stand: 16.10.2015 | Abruf: 07.08.2026 USA | Rechtsprechung | FAIR-USE-GRUNDLAGENURTEIL Relevanz: Volltextdigitalisierung für Suche/Snippets als Fair Use unter konkreten Schutzvorkehrungen. Fundstelle: Gesamtdokument URL: https://law.justia.com/cases/federal/appellate-courts/ca2/13-4829/13-4829-2015-10-16.html

S-080 | U.S. Court of Appeals for the Second Circuit Authors Guild v. HathiTrust Gerichtsentscheidung | Veröffentlichung/Stand: 10.06.2014 | Abruf: 07.08.2026 USA | Rechtsprechung | FAIR-USE-GRUNDLAGENURTEIL Relevanz: Volltextsuche und Zugänglichkeit unter konkreten Bedingungen. Fundstelle: Gesamtdokument URL: https://law.justia.com/cases/federal/appellate-courts/ca2/12-4547/12-4547-2014-06-10.html

S-081 | Carlini et al. / USENIX Security Extracting Training Data from Large Language Models Peer-reviewed Forschung | Veröffentlichung/Stand: 2021 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Empirischer Nachweis extrahierbarer Trainingsbeispiele aus Sprachmodellen. Fundstelle: Gesamtdokument URL: https://www.usenix.org/conference/usenixsecurity21/presentation/carlini-extracting

S-082 | Carlini et al. / ICLR Quantifying Memorization Across Neural Language Models Peer-reviewed Forschung | Veröffentlichung/Stand: 2023 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Messung von Memorisierung in Abhängigkeit von Modellgröße, Datenhäufigkeit und Prompting. Fundstelle: Gesamtdokument URL: https://openreview.net/forum?id=TatRHT_1cK

S-083 | Kandpal, Wallace, Raffel / ICML Deduplicating Training Data Mitigates Privacy Risks in Language Models Peer-reviewed Forschung | Veröffentlichung/Stand: 2022 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Zusammenhang zwischen Duplikation, Extrahierbarkeit und Deduplication. Fundstelle: Gesamtdokument URL: https://proceedings.mlr.press/v162/kandpal22a.html

S-084 | Lee et al. / ACL Deduplicating Training Data Makes Language Models Better Peer-reviewed Forschung | Veröffentlichung/Stand: 2022 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Deduplication reduziert memorisierte Textausgaben und verbessert Evaluation. Fundstelle: Gesamtdokument URL: https://aclanthology.org/2022.acl-long.577/

S-085 | Nasr et al. Scalable Extraction of Training Data from (Production) Language Models Preprint | Veröffentlichung/Stand: 28.11.2023 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PREPRINT Relevanz: Skalierbare Extraktionsangriffe und Einfluss von Modellzugang/Prompting. Fundstelle: Gesamtdokument URL: https://arxiv.org/abs/2311.17035

S-086 | Carlini et al. / USENIX Security Extracting Training Data from Diffusion Models Peer-reviewed Forschung | Veröffentlichung/Stand: 2023 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Empirischer Nachweis extrahierbarer Trainingsbilder in Diffusionsmodellen. Fundstelle: Gesamtdokument URL: https://www.usenix.org/conference/usenixsecurity23/presentation/carlini

S-087 | McCoy et al. / TACL How Much Do Language Models Copy From Their Training Data? Peer-reviewed Forschung | Veröffentlichung/Stand: 2023 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Unterscheidung zwischen Kopieren, Mustern und Neuformulierung. Fundstelle: Gesamtdokument URL: https://aclanthology.org/2023.tacl-1.38.pdf

S-088 | Vyas et al. / ICML On Provable Copyright Protection for Generative Models Peer-reviewed Forschung | Veröffentlichung/Stand: 2023 | Abruf: 07.08.2026 International | Wissenschaftliche Originalquelle | PEER REVIEWED Relevanz: Technische Ansätze zur Begrenzung werkbezogener Reproduktion und ihre Grenzen. Fundstelle: Gesamtdokument URL: https://proceedings.mlr.press/v202/vyas23b/vyas23b.pdf

S-089 | EUIPO The Development of Generative Artificial Intelligence from a Copyright Perspective Studie | Veröffentlichung/Stand: 12.05.2025 | Abruf: 07.08.2026 EU | Offizielle Forschungsquelle | AKTUELL Relevanz: Umfassende technische, rechtliche und ökonomische Analyse zu Input, Opt-out und Output. Fundstelle: Gesamtdokument URL: https://www.euipo.europa.eu/en/publications/genai-from-a-copyright-perspective-2025

S-090 | Europäisches Parlament Generative AI and Copyright - Training, Creation, Regulation Studie | Veröffentlichung/Stand: 09.07.2025 | Abruf: 07.08.2026 EU | Offizielle Forschungsquelle | AKTUELL Relevanz: Analyse von TDM, Vergütung, Output-Schutz und Reformoptionen; keine verbindliche Rechtsquelle. Fundstelle: Gesamtdokument URL: https://www.europarl.europa.eu/RegData/etudes/STUD/2025/774095/IUST_STU%282025%29774095_EN.pdf

S-091 | Europäisches Parlament Technological Aspects of Generative AI in the Context of Copyright Technische Analyse | Veröffentlichung/Stand: 30.07.2025 | Abruf: 07.08.2026 EU | Offizielle Forschungsquelle | AKTUELL Relevanz: Technische Abhängigkeiten zwischen Trainingsdaten, Modell und Output sowie Nachweisgrenzen. Fundstelle: Gesamtdokument URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2025/776529/IUST_BRI%282025%29776529_EN.pdf

S-092 | Europäisches Parlament / EPRS AI and copyright: The training of general-purpose AI Briefing | Veröffentlichung/Stand: 04.2025 | Abruf: 07.08.2026 EU | Offizielle Forschungsquelle | AKTUELL Relevanz: Kompakter Überblick über Rechtsunsicherheit und GPAI-Training. Fundstelle: Gesamtdokument URL: https://www.europarl.europa.eu/RegData/etudes/ATAG/2025/769585/EPRS_ATA%282025%29769585_EN.pdf

S-093 | EUIPO Mapping of EU databases and metadata standards providing information on copyright-protected works Studie | Veröffentlichung/Stand: 28.05.2026 | Abruf: 07.08.2026 EU | Offizielle Forschungsquelle | AKTUELL Relevanz: Aktuelle Infrastruktur-, Rechteinformations- und Metadatenlandschaft einschließlich AI/TDM-Opt-outs. Fundstelle: Gesamtdokument URL: https://www.euipo.europa.eu/en/publications/mapping-of-eu-databases-and-metadata-standards-providing-information-on-copyright-protected-works

S-094 | WIPO Robert Kneschke v. LAION e.V. - WIPO Lex judgment record Offizielle Entscheidungsdatenbank | Veröffentlichung/Stand: 2024/2025 | Abruf: 07.08.2026 International/Deutschland | Offizielle WIPO-Quelle | AKTUELL Relevanz: Internationale Dokumentation und englische Fassung des LG-Hamburg-Urteils. Fundstelle: Gesamtdokument URL: https://www.wipo.int/wipolex/en/judgments/details/2381

S-095 | WIPO The WIPO Conversation on Intellectual Property and Frontier Technologies - Generative AI Offizieller Bericht | Veröffentlichung/Stand: 2024 | Abruf: 07.08.2026 International | Offizielle Quelle | AKTUELL Relevanz: Internationaler Diskussionsstand zu Training, Output und Infrastruktur. Fundstelle: Gesamtdokument URL: https://www.wipo.int/edocs/pubdocs/en/wipo-pub-rn2024-2-en-wipo-conversation-generative-ai.pdf

S-096 | Europäisches Parlament / EPRS Copyright of AI-generated works: Approaches in the EU and selected jurisdictions Briefing | Veröffentlichung/Stand: 19.12.2025 | Abruf: 07.08.2026 EU/International | Offizielle Forschungsquelle | AKTUELL Relevanz: Vergleich der menschlichen Urheberschaft und internationaler Sonderansätze. Fundstelle: Gesamtdokument URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2025/782585/EPRS_BRI%282025%29782585_EN.pdf

S-097 | U.S. Supreme Court Thaler v. Perlmutter - Docket No. 25-449 Gerichtsdocket | Veröffentlichung/Stand: Certiorari abgelehnt 02.03.2026 | Abruf: 07.08.2026 USA | Primärquelle | VERFAHREN BEENDET Relevanz: Der Supreme Court nahm den Fall nicht an; das D.C.-Circuit-Urteil bleibt bestehen, ohne eigene Sachentscheidung des Supreme Court. Fundstelle: Docket No. 25-449 URL: https://www.supremecourt.gov/search.aspx?filename=%2Fdocket%2Fdocketfiles%2Fhtml%2Fpublic%2F25-449.html

S-098 | United States District Court, Northern District of California / Settlement Administration Bartz v. Anthropic - gerichtlich genehmigter Vergleich Vergleich / Verfahrensinformation | Veröffentlichung/Stand: final genehmigt Juli 2026 | Abruf: 07.08.2026 USA | Verfahrensquelle | VERGLEICH GENEHMIGT Relevanz: Aktueller Abschluss des Klassenvergleichs zu bestimmten piratisch beschafften Buchkopien; Vergleich schafft kein allgemeines Fair-Use-Präjudiz. Fundstelle: Verfahrens- und Vergleichsstatus URL: https://www.anthropiccopyrightsettlement.com/

Schnell veraltende Informationen

Pflicht-Refresh Vor einer Buchveröffentlichung nach dem 3. September 2026 darf der LAION/BGH-Stand nicht aus diesem Dossier ungeprüft übernommen werden.

Qualitätsbericht

Stärken

• Trainingsdaten, Datensatz, Modellzustand, RAG und Output werden konsequent getrennt.

• Hamburger und Münchner Entscheidungen sind nach Sachverhalt, Instanz und Rechtskraft abgegrenzt.

• Technische Memorization-Befunde werden nicht automatisch als Rechtsverletzung ausgegeben.

• US Fair Use wird nur als Vergleich und nicht als deutsche Rechtsgrundlage behandelt.

• AI-Act-Urheberrechtspflichten werden von materieller Nutzungserlaubnis getrennt.

• Schnell veraltende Verfahren sind mit konkretem Refresh-Zeitpunkt markiert.

Bekannte Grenzen

• Der BGH entscheidet LAION erst nach dem Recherchestichtag.

• EuGH C-250/25 ist noch anhängig.

• Die Münchner Urteile sind nicht rechtskräftig.

• Es fehlt ein allgemein anerkannter technischer und juristischer Schwellenwert für Memorisierung.

• Die Rechtsprechung zu KI-Urheberschaft in Deutschland besteht bislang überwiegend aus unteren Instanzen und übertragbaren Grundsätzen.

• Vertrags-, Datenschutz-, Persönlichkeits- und Wettbewerbsrecht werden nur an Schnittstellen behandelt.

Abschlusskontrolle

Redaktioneller Schluss Die stärkste Aussage dieses Dossiers ist nicht, dass KI-Training generell erlaubt oder verboten sei. Belastbar ist nur die phasenbezogene Prüfung mit konkreter Quelle, konkreter Erlaubnis, dokumentiertem Opt-out-Prozess und getesteter Ausgabe.