Rechtsanwalt & Fachanwalt für Urheber- und Medienrecht
T (+49) 040 / 7344 086-0
Fachanwalt für Urheber- und Medienrecht und Spezialist für Arbeitsrecht, Zertifizierter Datenschutzbeauftragter (TÜV)
T (+49) 040 / 7344 086-0
Blog News
Dürfen Anbieter generativer Künstlicher Intelligenz urheberrechtlich geschützte Musik für das KI-Training verwenden? Und was gilt, wenn ein KI-Modell einzelne Musikwerke so stark „memorisiert“, dass sie später in generierten Songs wiedererkennbar sind? Mit diesen Fragen hat sich das Landgericht München I in einem viel beachteten Verfahren zwischen der GEMA und dem US-amerikanischen KI-Anbieter Suno beschäftigt. Mit Urteil vom 31. Juli 2026 (Az. 42 O 763/25) gab das Gericht den geltend gemachten Ansprüchen auf Unterlassung, Auskunft und Schadensersatz überwiegend statt. Im Mittelpunkt der Entscheidung steht dabei nicht nur der Output des KI-Musikgenerators. Das Gericht sieht bereits in der Memorisierung geschützter Musikwerke innerhalb des KI-Modells eine urheberrechtlich relevante Vervielfältigung. Das Urteil könnte damit weit über die Musikbranche hinaus Bedeutung für das Verhältnis von KI-Training und Urheberrecht entfalten. SBS LEGAL erklärt, wann KI-Training mit Musik das Urheberrecht verletzt.
Suno bietet einen KI-Musikgenerator an, mit dem Nutzer auf Grundlage von Texteingaben neue Musikstücke erzeugen können. Der Trainingsdatensatz des Unternehmens enthielt unter anderem sechs bekannte Musikwerke, an denen die GEMA Rechte wahrnimmt. Dazu gehörten „Atemlos durch die Nacht“, „Rasputin“, „Big in Japan“, „Forever Young“, der Refrain von „Mambo No. 5 (A Little Bit of …)“ und „Daddy Cool“. Verletzungen der jeweiligen Liedtexte selbst waren dagegen nicht Gegenstand des Verfahrens. Nach den Feststellungen des LG München I hatte Suno die Musikwerke mithilfe sogenannter Stream-Ripping-Techniken von YouTube extrahiert und kopiert. Dabei wurde nach Angaben des Gerichts auch der sogenannte Rolling Cipher umgangen, eine technische Schutzmaßnahme, die das Herunterladen von Audio- und Videoinhalten verhindern soll. Die GEMA argumentierte, dass die geschützten Musikwerke zunächst im Rahmen des KI-Trainings vervielfältigt und anschließend in den KI-Modellen von Suno memorisiert worden seien. Zudem seien wesentliche Elemente der Werke in den von Suno erzeugten Outputs wiedergegeben worden. Suno widersprach dieser Auffassung. Das Unternehmen machte unter anderem geltend, dass Trainingsdaten nicht im eigentlichen Sinne innerhalb eines KI-Modells gespeichert würden. Die Parameter eines Modells bildeten vielmehr mathematisch erlernte Muster und verallgemeinerte Eigenschaften der Trainingsdaten ab. Etwaige Ähnlichkeiten zwischen Originalwerken und KI-generierter Musik seien außerdem auf die Prompts der Nutzer sowie statistisch erlernte Muster zurückzuführen. Das LG München I folgte dieser Argumentation jedoch in wesentlichen Punkten nicht.
Besonders relevant ist die Entscheidung für die urheberrechtliche Einordnung der sogenannten Memorisierung. Nach Auffassung des LG München I waren die betroffenen Musikstücke reproduzierbar in den Suno-Modellen v3.5 und v4 enthalten. Diese Modelle waren auf Servern in Deutschland gespeichert. Von einer Memorisierung spricht das Gericht, wenn ein KI-Modell aus seinen Trainingsdaten nicht lediglich abstrakte Informationen oder allgemeine Muster erlernt, sondern sich nach Abschluss des Trainings auch Inhalte der Trainingsdaten in den spezifizierten Parametern wiederfinden. Ob eine solche Memorisierung vorliegt, kann insbesondere dadurch festgestellt werden, dass Trainingsdaten mit den später generierten Outputs verglichen werden. Genau dies war nach Auffassung des Gerichts bei Suno der Fall. Die geschützten Musikstücke waren im Trainingsdatensatz enthalten und ließen sich in den generierten Outputs wiedererkennen. Wegen der Komplexität und Länge der Übereinstimmungen schloss das Gericht einen bloßen Zufall als Ursache aus. Die rechtliche Konsequenz ist erheblich: Das LG München I wertete die Memorisierung als Vervielfältigung im Sinne des § 16 UrhG. Damit wird die Frage, was technisch innerhalb eines KI-Modells geschieht, unmittelbar für das Urheberrecht relevant. Entscheidend ist nach dieser Argumentation nicht allein, ob eine klassische Kopie einer Datei im Modell gespeichert wird. Maßgeblich kann vielmehr sein, ob geschützte Inhalte im Modell so enthalten sind, dass sie reproduziert werden können.
Eine zentrale Rolle spielte außerdem die Schranke für Text und Data Mining nach § 44b UrhG. Diese Vorschrift erlaubt unter bestimmten Voraussetzungen die automatisierte Analyse digitaler oder digitalisierter Werke, um daraus Informationen insbesondere über Muster, Trends und Korrelationen zu gewinnen. Für Anbieter generativer KI ist diese Regelung von großer Bedeutung. Seit dem Aufstieg generativer KI wird intensiv darüber diskutiert, in welchem Umfang das Training von KI-Modellen mit urheberrechtlich geschützten Werken durch die gesetzlichen Text-und-Data-Mining-Schranken erlaubt sein kann. Im Fall Suno half § 44b UrhG dem Unternehmen jedoch nicht weiter. Das LG München I entschied, dass die durch die Memorisierung entstandene Vervielfältigung innerhalb der KI-Modelle nicht von der Text-und-Data-Mining-Schranke gedeckt war. Die Entscheidung bedeutet allerdings nicht, dass jedes KI-Training mit einem urheberrechtlich geschützten Werk automatisch rechtswidrig ist. Entscheidend waren hier die konkreten Umstände des Suno-Modells und insbesondere die festgestellte Memorisierung und Reproduzierbarkeit der geschützten Musik. Gerade diese Differenzierung ist für Unternehmen wichtig: Die urheberrechtliche Bewertung kann maßgeblich davon abhängen, was ein KI-Modell aus seinen Trainingsdaten übernimmt und in welcher Form diese Inhalte später wieder ausgegeben werden können.
Die Rechtsverletzung beschränkte sich nach Ansicht des LG München I nicht auf das KI-Modell selbst. Auch die von Suno in Deutschland erzeugten Outputs verletzten nach Auffassung der Kammer Rechte an den geschützten Musikwerken. Das Gericht sah in den Outputs originelle Elemente der jeweiligen Werke als wiedererkennbar an und nahm deshalb sowohl unberechtigte Vervielfältigungen als auch eine öffentliche Wiedergabe an. Bemerkenswert ist dabei insbesondere die Frage, wem diese Rechtsverletzungen zugerechnet werden. Suno hatte argumentiert, die beanstandeten Outputs seien auf gezielte Nutzerhandlungen und entsprechend gestaltete Prompts zurückzuführen. Dadurch sei der erforderliche Zurechnungszusammenhang unterbrochen. Das Gericht sah dies anders. Die verwendeten Prompts waren nach seiner Bewertung vergleichsweise einfach und ergebnisoffen. Zwar wurden unter anderem Liedtext und Musikstil eingegeben, konkrete Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement enthielten die Prompts jedoch nicht. Suno selbst hatte dagegen die Trainingsdaten ausgewählt, die Modelle trainiert und deren Architektur bestimmt. Nach Auffassung des Gerichts waren deshalb die von Suno betriebenen KI-Modelle maßgeblich für den Inhalt der Outputs verantwortlich. Für Anbieter generativer KI ist dieser Aspekt besonders relevant. Sie können sich bei urheberrechtsverletzenden Outputs jedenfalls nach dieser Entscheidung nicht ohne Weiteres darauf zurückziehen, dass letztlich ein Nutzer den Generierungsprozess durch einen Prompt ausgelöst hat.
GEMA setzt sich gegen OpenAI durch
Das LG München I ging noch einen Schritt weiter: Bereits das Angebot des KI-Modells und der Anwendung zur Musikgenerierung wertete die Kammer als Verstoß gegen das unbenannte Recht der öffentlichen Wiedergabe nach § 15 Abs. 2 UrhG. Damit können urheberrechtliche Risiken bereits bei der Bereitstellung eines generativen KI-Systems entstehen.
Da das Training der Suno-Modelle in den USA erfolgte, prüfte das LG München I die dort vorgenommenen Vervielfältigungen nach US-amerikanischem Urheberrecht. Auf die Fair-Use-Doktrin nach 17 U.S.C. § 107 konnte sich Suno nach Auffassung des Gerichts nicht berufen. Das Gericht unterschied den Fall insbesondere von den US-Verfahren Bartz und Kadrey, in denen KI-Training als Fair Use bewertet worden war. Anders als dort konnten bei Suno bereits durch einfache Prompts Outputs erzeugt werden, die den Originalwerken wesentlich ähnlich waren. Je stärker ein KI-Modell konkrete Trainingswerke reproduziert, desto größer können daher die urheberrechtlichen Risiken sein.
Für Entwickler und Anbieter generativer KI zeigt das Urteil, dass nicht nur die Zulässigkeit der verwendeten Trainingsdaten entscheidend ist. Unternehmen sollten auch prüfen, ob geschützte Werke im Modell memorisiert und später reproduziert werden können. Technische Maßnahmen gegen eine übermäßige Memorisierung sowie Kontrollen der Trainingsdaten und Outputs können daher erheblich an Bedeutung gewinnen. Das Urteil ist noch nicht rechtskräftig. Dennoch liefert es KI-Anbietern, Rechteinhabern und Unternehmen wichtige Anhaltspunkte für die urheberrechtlichen Risiken beim Training und Einsatz generativer KI.
Das Suno-Urteil zeigt, dass sowohl die Auswahl der Trainingsdaten als auch die Memorisierung und Wiedergabe geschützter Inhalte erhebliche urheberrechtliche Risiken mit sich bringen können.
SBS LEGAL berät Unternehmen, KI-Anbieter und Rechteinhaber zu Fragen rund um KI und Urheberrecht. Unsere spezialisierten Anwältinnen und Anwälte im KI-Recht unterstützen Sie insbesondere bei der rechtlichen Prüfung von Trainingsdaten und KI-Modellen sowie bei der rechtssicheren Nutzung generativer KI.