Mit welchen Daten darf ein KI-Modell trainiert werden?
Das Vervielfältigen fremder Werke zum Training stützt sich auf die Schranke für Text und Data Mining. Sie greift nur, wenn der Zugang rechtmäßig war und der Rechtsinhaber sich die Nutzung nicht vorbehalten hat.
Das Training eines Modells vervielfältigt fremde Werke. Erlaubt ist das über die Schranke für Text und Data Mining, die auf die DSM-Richtlinie zurückgeht und in zwei Vorschriften umgesetzt wurde. Welche von beiden gilt, entscheidet sich danach, wer trainiert und wozu.
Zwei Schranken, zwei Regime
Zulässig sind Vervielfältigungen rechtmäßig zugänglicher Werke für die automatisierte Analyse. Zwei Voraussetzungen müssen zusammen vorliegen. Der Zugang muss rechtmäßig gewesen sein, wobei es auf den Zugang ankommt und nicht darauf, ob der Inhalt mit Zustimmung des Rechtsinhabers online steht. Und der Rechtsinhaber darf sich die Nutzung nicht vorbehalten haben. Bei online zugänglichen Werken wirkt der Vorbehalt nur maschinenlesbar. Die Vervielfältigungen sind zu löschen, sobald sie für die Analyse nicht mehr erforderlich sind.
Für die wissenschaftliche Forschung reicht die Schranke weiter. Ein Nutzungsvorbehalt ist unwirksam, die Vervielfältigungen dürfen mit angemessenen Sicherheitsvorkehrungen aufbewahrt und einem abgegrenzten Personenkreis für gemeinsame Forschung sowie Dritten zur Qualitätsprüfung zugänglich gemacht werden. Dafür ist der Kreis der Berechtigten eng gezogen. Er umfasst Forschungsorganisationen, Kulturerbe-Einrichtungen und einzelne Forschende ohne kommerzielle Zwecke. Ein bestimmender Einfluss eines Unternehmens samt bevorzugtem Zugang zu den Ergebnissen schließt die Privilegierung aus.
Was zu dokumentieren ist
Die Beweislast liegt beim Nutzenden, weil er sich auf eine Schranke beruft. Eine werkgenaue Prüfung ist bei Korpora in Millionenhöhe nicht zu leisten, ein prozessbezogenes Protokoll dagegen schon.
- Je Quelle festhalten, welche Vorbehaltssignale zum Zeitpunkt des Zugriffs vorlagen
- robots.txt, TDM Reservation Protocol, Angaben im Quelltext und HTTP-Kopfzeilen auswerten und die Auswertung protokollieren
- Die angewandte Regel des Crawlers nachvollziehbar halten, damit sie später erklärbar ist
- Die Löschpflicht nach § 44b Abs. 2 S. 2 UrhG umsetzen und den Zeitpunkt begründen
- Wo eine Lizenz erhältlich ist, sie der Schranke vorziehen, weil sie die Beweisfrage erledigt
- Bei Forschungskooperationen prüfen, ob § 60d UrhG wegen unternehmerischen Einflusses ausscheidet
Wie wir unterstützen
Wir ordnen Ihr Vorhaben einer der beiden Schranken zu, prüfen die Herkunft der Daten und richten die Dokumentation so ein, dass sie im Streitfall die Beweisfrage beantwortet. Wo die Schranke nicht sicher greift, klären wir, welche Lizenz an ihre Stelle tritt.
Eigenes Modell, fremde Daten?
Wir prüfen, worauf sich das Training stützt und was Sie dafür dokumentieren müssen.
Kontakt aufnehmenHäufige Fragen
Auf welcher Grundlage dürfen wir fremde Inhalte zum Training verwenden?
Auf § 44b UrhG, der Schranke für Text und Data Mining. Sie erlaubt Vervielfältigungen rechtmäßig zugänglicher Werke zur automatisierten Analyse. Für die wissenschaftliche Forschung steht daneben § 60d UrhG, der weiter reicht. Beide setzen die DSM-Richtlinie um. Ob das Training großer Modelle vollständig unter den Begriff des Text und Data Mining fällt, ist allerdings umstritten und höchstrichterlich nicht geklärt.
Was heißt rechtmäßig zugänglich?
Es kommt auf die Rechtmäßigkeit des Zugangs an, nicht auf die der Zugänglichmachung. Erfasst sind frei im Internet verfügbare Inhalte und Werke, zu denen eine Lizenz besteht. Wer für jedes einzelne Werk klären müsste, ob es mit Zustimmung des Rechtsinhabers online steht, könnte die Schranke praktisch nie nutzen.
Wie wirksam ist ein Nutzungsvorbehalt?
Bei online zugänglichen Werken nur in maschinenlesbarer Form, § 44b Abs. 3 S. 2 UrhG. Was das technisch verlangt, ist offen. Diskutiert werden robots.txt, das TDM Reservation Protocol, Angaben im Quelltext und HTTP-Kopfzeilen. Das LG Hamburg hat in der LAION-Entscheidung angedeutet, dass auch ein Vorbehalt in natürlicher Sprache genügen könnte, sofern eine Technik zu dessen automatisierter Erfassung verfügbar war. Das Bezirksgericht Amsterdam hat einen Vorbehalt über robots.txt nicht genügen lassen, ohne zu sagen, was stattdessen nötig wäre.
Wer muss beweisen, dass kein Vorbehalt bestand?
Der Nutzende. Weil § 44b UrhG als Schranke ausgestaltet ist, trägt er die Darlegungs- und Beweislast für alle Voraussetzungen, einschließlich des Fehlens eines Vorbehalts. Den Rechtsinhaber trifft eine sekundäre Darlegungslast dazu, wie und wann er den Vorbehalt erklärt hat. Bei Datensätzen in Millionenhöhe ist diese Verteilung für den Nutzenden faktisch kaum zu erfüllen, was in der Literatur zutreffend kritisiert wird.
Gilt für Hochschulen etwas anderes?
Ja, § 60d UrhG geht in drei Punkten weiter. Ein Nutzungsvorbehalt ist unwirksam, die Vervielfältigungen dürfen mit angemessenen Sicherheitsvorkehrungen aufbewahrt werden und sie dürfen einem abgegrenzten Personenkreis zugänglich gemacht werden. Der Kreis der Berechtigten ist dafür eng. Eine Forschungsorganisation, auf die ein privates Unternehmen bestimmenden Einfluss hat und die diesem bevorzugten Zugang zu den Ergebnissen gewährt, ist von der Privilegierung ausgeschlossen.