Wie Musiker gegen KI-Musikdiebstahl zurückschlagen

Als Suno und Udio ihre KI-Musikgeneratoren 2024 der Öffentlichkeit vorstellten, brachten sie ein Verbraucherprodukt auf den Markt, das auf einem Fundament aufgebaut war, welches die Musikindustrie sofort als zutiefst problematisch identifizierte: Trainingsdaten, die mit an Sicherheit grenzender Wahrscheinlichkeit urheberrechtlich geschützte Aufnahmen enthielten, die ohne Lizenzierung, Einwilligung oder Vergütung zusammengetragen wurden. Zwei Jahre später sind die Rechtsstreitigkeiten in vollem Gange, Künstler setzen neue technische Tools zum Schutz ihrer Werke ein, und eine umfassendere Abrechnung darüber, wer von KI profitiert, die auf menschlicher Kreativität trainiert wurde, gestaltet die Musikindustrie neu. Hier der aktuelle Stand.

Das Problem mit den Trainingsdaten

KI-Musikgeneratoren werden auf riesigen Audio-Datensätzen trainiert. Die Qualität der Ausgabe eines Generators hängt stark von Qualität und Umfang seiner Trainingsdaten ab – was bedeutet, dass die besten Ergebnisse von Modellen stammen, die auf den besten professionellen Aufnahmen trainiert wurden. Diese Aufnahmen sind urheberrechtlich geschützt. Das zentrale rechtliche Argument von Künstlern und Labels ist unkompliziert: Die Nutzung urheberrechtlich geschützter Musik zum Training eines kommerziellen KI-Produkts ohne Lizenzierung oder Einwilligung stellt eine Urheberrechtsverletzung dar – unabhängig davon, ob die Ausgaben des Modells die Aufnahmen direkt reproduzieren.

Das Gegenargument der KI-Unternehmen lautet "transformative Nutzung" – sie argumentieren, dass Training vergleichbar sei mit einem menschlichen Musiker, der Musik hört und daraus lernt, und dass die Ausgaben der KI transformative Werke seien und keine Reproduktionen der Trainingsdaten. Gerichte arbeiten sich derzeit durch dieses Argument, und die Ergebnisse werden das KI-Musikrecht auf absehbare Zeit prägen.

Die Klagen

Die Recording Industry Association of America (RIAA) reichte im Juni 2024 Klage gegen Suno und Udio ein, im Namen von Universal Music Group, Sony Music und Warner Music Group – eine Koalition, die den überwiegenden Teil der kommerziell relevanten aufgenommenen Musik abdeckt. Die Klagen werfen Urheberrechtsverletzung durch die Verwendung geschützter Aufnahmen in Trainingsdaten vor und fordern gesetzlichen Schadensersatz, der, würde er auf den vollen Umfang der behaupteten Verletzung angewendet, in die Milliarden gehen könnte.

Parallel dazu haben einzelne Künstler Sammelklagen eingereicht oder sind ihnen beigetreten. Darunter sind prominente Recording-Artists, die nicht nur Urheberrechtsverletzung beim Training geltend machen, sondern weitere Ansprüche: Persönlichkeitsrechte (Right of Publicity – ihre Stimme und ihr Stil würden ohne Einwilligung kommerzialisiert), Trade Dress (KI-generierte Musik imitiert ihren wiedererkennbaren Sound) sowie unlauterer Wettbewerb. Die Sammelklagen bündeln die Ansprüche vieler Künstler, deren Werke in Trainingsdaten verwendet wurden, und erhöhen so sowohl den potenziellen Schadensersatz als auch die Reichweite der rechtlichen Auseinandersetzung.

Außerhalb der USA schafft der EU AI Act ausdrückliche Anforderungen an Transparenz über Trainingsdaten und etabliert Rechte für Rechteinhaber, der Nutzung ihrer Werke im KI-Training zu widersprechen (Opt-out). Mehrere europäische Künstler und Verwertungsgesellschaften haben auf dieser Grundlage bereits Verfahren angestrengt.

Was Künstler praktisch unternehmen

Jenseits der Gerichte verfolgen Künstler mehrere praktische Strategien.

Aus Trainingsdatensätzen aussteigen. Mehrere KI-Unternehmen haben Opt-out-Mechanismen eingeführt, mit denen Rechteinhaber verlangen können, dass ihr Werk nicht in künftigem Training verwendet wird. Die praktischen Einschränkungen sind erheblich: Opt-outs wirken nur für die Zukunft, nicht rückwirkend (sie betreffen keine Modelle, die bereits auf dem Werk trainiert wurden); sie verlangen vom Rechteinhaber, sein Werk konkret zu identifizieren; und die Einhaltung ist freiwillig und nicht überprüfbar. Viele Künstler halten Opt-outs angesichts der Tatsache, dass das ursprüngliche Training ohne Einwilligung erfolgte, für unzureichend.

"Poisoning"-Tools einsetzen. Forscher der University of Chicago haben ein Tool namens Nightshade entwickelt, das Bilder auf eine für das menschliche Auge unsichtbare Weise subtil verändert, dabei aber das KI-Training korrumpiert – Modelle, die auf vergifteten Bildern trainiert werden, erzeugen dadurch fehlerhafte, minderwertige Ausgaben. Ähnliche Tools werden derzeit für Audio entwickelt. AudioShield und vergleichbare Projekte zielen darauf ab, die spektralen Eigenschaften veröffentlichter Aufnahmen so zu verändern, dass die wahrgenommene Qualität unangetastet bleibt, KI-Modelle aber daran gehindert werden, effektiv daraus zu lernen. Wie wirksam diese Tools im großen Maßstab tatsächlich sind, wird weiterhin diskutiert – sie stellen aber eine neuartige technische Gegenmaßnahme dar.

Transparenz einfordern. Mehrere Interessenvertretungen von Künstlern – darunter die Artist Rights Alliance und die Future of Music Coalition – setzen sich für eine verpflichtende Offenlegung von Trainingsdaten ein. Nach ihren Vorschlägen müsste jeder kommerziell vertriebene KI-Musikgenerator eine detaillierte Aufzeichnung aller für das Training verwendeten Musik führen und veröffentlichen, damit Rechteinhaber prüfen können, ob ihr Werk enthalten war, und entsprechende Ansprüche geltend machen können.

Kollektive Lizenzverhandlungen. Einige Verwertungsgesellschaften und Interessenvertretungen verhandeln branchenweite Lizenzrahmen, statt einzelne Ansprüche zu verfolgen. Die Logik dahinter ist pragmatisch: Selbst wenn KI-Unternehmen rechtlich verpflichtet wären, Trainingsdaten zu lizenzieren, fehlen einzelnen Künstlern die Ressourcen und die Verhandlungsmacht für sinnvolle Vereinbarungen. Kollektive Regelungen – ähnlich wie sie Verwertungsgesellschaften (PROs) wie ASCAP und BMI praktizieren – könnten für breitere Abdeckung und Erlösverteilung sorgen.

Die Perspektive der Streaming-Plattformen

Streaming-Plattformen haben ein kompliziertes Verhältnis zu KI-Musik. Einerseits verwässert KI-generierte Musik, die die Streaming-Kataloge flutet, die Pro-Stream-Tantiemen, die an menschliche Künstler ausgezahlt werden (da die gesamten Tantiemen-Töpfe auf alle Streams aufgeteilt werden). Spotify, Apple Music und andere haben Richtlinien eingeführt, die eine Kennzeichnung KI-generierter Inhalte verlangen und in manchen Fällen KI-generierte Musik von bestimmten besonders sichtbaren Platzierungen ausschließen. Andererseits profitieren die Plattformen vom gestiegenen Katalogvolumen.

Das Problem der Tantiemen-Verwässerung ist besonders gravierend. Ein KI-Generator, der unbegrenzt Inhalte erzeugen und über Millionen Tracks unter falschen Künstlernamen verteilen kann, könnte theoretisch einen erheblichen Anteil der Streaming-Tantiemen zu nahezu null Grenzkosten abschöpfen. Mehrere Streaming-Plattformen haben koordinierte Manipulationsoperationen mit KI-Musik bereits identifiziert und entfernt – doch die Erkennung und Entfernung erfolgt reaktiv, und das Ausmaß ist schwer zu kontrollieren.

KI und Künstleridentität

Ein eigenständiges und für viele Künstler womöglich noch persönlicheres Problem ist KI-Stimmklonung und Stilimitation – der Einsatz von KI, um Musik "im Stil von" zu erzeugen oder die Stimme bestimmter Künstler direkt zu imitieren. Wenn ein KI-Tool einen Song erzeugen kann, der klingt, als stamme er von einem bestimmten Künstler, werden dessen Marke, Ruf und kommerzieller Wert beeinträchtigt – selbst wenn keine konkrete Aufnahme direkt reproduziert wurde.

Mehrere aufsehenerregende Fälle haben dieses Thema in die Öffentlichkeit gerückt: KI-generierte "neue Tracks" verstorbener Künstler, stimmgeklonte Coverversionen, die als echt kursierten, sowie KI-generierte Tracks, die unter falschen Künstlernamen veröffentlicht wurden und die Identität echter Künstler so nah imitierten, dass Fans getäuscht wurden. Das Right of Publicity bietet einen gewissen Schutz gegen die kommerzielle Nutzung von Stimme und Erscheinungsbild eines Künstlers ohne dessen Einwilligung, doch die Durchsetzung gegen anonyme, KI-generierte Inhalte im Internet-Maßstab ist praktisch schwierig.

Das Rahmenwerk aus Einwilligung und Vergütung

Das Rahmenwerk, auf das Interessenvertreter der Künstler hinarbeiten, ruht auf drei Säulen: Einwilligung (Künstler müssen aktiv zustimmen, dass ihre Musik für KI-Training verwendet wird), Transparenz (Trainingsdaten müssen dokumentiert und offengelegt werden) und Vergütung (Künstler müssen für die Nutzung ihrer Werke als Trainingsdaten fair bezahlt werden). Dieses Rahmenwerk spiegelt sich bereits teilweise im EU AI Act wider und bildet die Grundlage für aktive Gesetzesvorschläge in den USA, im Vereinigten Königreich, in Kanada und in Australien.

Ob sich dieses Rahmenwerk letztlich durch Gerichtsverfahren, Gesetzgebung oder verhandelte Branchenstandards durchsetzen wird – und in welchem Zeitrahmen –, ist unklar. Die Gerichtsverfahren werden sich nicht schnell klären; große Urheberrechtsprozesse dauern in der Regel Jahre. Die Gesetzgebung in den USA kommt nur langsam voran. In der Zwischenzeit arbeitet die KI-Musikindustrie unvermindert weiter, Künstler setzen sich über jeden verfügbaren Kanal zur Wehr, und mit jeder neuen Modellgeneration wachsen die kommerziellen Einsätze.

Was Hörer tun können

Musikkonsumenten haben in dieser Debatte mehr Handlungsspielraum, als ihnen bewusst sein mag. Die Entscheidung, menschliche Künstler zu hören und zu unterstützen – indem man ihre verifizierte Musik streamt, Live-Auftritte besucht und direkt bei Künstlern kauft –, lässt Tantiemen weiterhin an menschliche Schöpfer fließen. KI-generierte Musik erkennen zu lernen (etwa mit Tools wie SUS IT oder indem man sich das Gehör für die in unserem Erkennungs-Leitfaden beschriebenen Merkmale schult) und KI-Musik zu meiden, die täuschend als menschengemacht verpackt wird, ist eine Form aktiver Teilnahme an der Debatte darüber, was wir an Musik wertschätzen. Die Zukunft der Musikindustrie wird auch davon geprägt sein, wofür sich das Publikum entscheidet.