KI-Training und Urheberrecht: Warum die Herkunft der Trainingsdaten über das Haftungsrisiko entscheidet
Bartz v. Anthropic: Der Vergleich über 1,5 Mrd. US-Dollar und seine Lehren für KI-Anbieter und Unternehmen in Deutschland
Im Verfahren Bartz v. Anthropic hat ein US-Bundesgericht die Vergleichsvereinbarung über 1,5 Milliarden US-Dollar endgültig genehmigt – es handelt sich um die nach den vorliegenden Berichten höchste Vergleichssumme, die bislang in einem urheberrechtlichen Verfahren erzielt wurde. Der Fall ist für die Praxis vor allem wegen einer Weichenstellung bedeutsam: Das Gericht hat das Training eines KI-Modells mit urheberrechtlich geschützten Werken und die Beschaffung und dauerhafte Speicherung der Trainingsdaten getrennt beurteilt. Das Training wurde als zulässig („fair use“) eingestuft, die Beschaffung aus Piraterie-Quellen nicht. Dieser Beitrag ordnet die Entscheidung ein und zeigt, was sie für Unternehmen bedeutet, die KI-Modelle entwickeln, trainieren, einsetzen oder erwerben.
1. Der Fall: Was das Gericht entschieden hat und worauf sich die Parteien verglichen haben
Das Verfahren wurde vor dem United States District Court for the Northern District of California geführt (Az. 3:24-cv-05417). Kläger waren Autoren, die für eine Gruppe von Rechteinhabern auftraten. Mit Teilentscheidung im summarischen Verfahren vom 23.06.2025 (Richter Alsup) beurteilte das Gericht drei Nutzungshandlungen getrennt:
Training mit den Büchern: zulässig als „fair use“ nach 17 U.S.C. § 107; das Gericht wertete die Nutzung als „exceedingly transformative“.
Einscannen rechtmäßig erworbener Printbücher: ebenfalls als „fair use“ zulässig, weil lediglich das Format geändert wurde.
Aufbau einer dauerhaften zentralen Bibliothek aus Raubkopien: nicht durch „fair use“ gedeckt. Nach dem Gericht rechtfertigt der spätere Verwendungszweck nicht, dass Werke aus Piraterie-Quellen heruntergeladen und dauerhaft vorgehalten werden, obwohl sie rechtmäßig hätten erworben werden können. Insoweit wurde der Antrag auf summarische Entscheidung abgelehnt; die Frage von Verletzung und Schadensersatz sollte in einem Geschworenenverfahren geklärt werden.
Zu dieser Hauptverhandlung kam es nicht. Die Parteien einigten sich auf einen Vergleich, den das Gericht am 20.07.2026 (Richterin Martínez-Olguín) endgültig genehmigte. Nach den vorliegenden Berichten umfasst der Vergleich:
einen nicht rückfallpflichtigen Fonds von mindestens 1,5 Mrd. US-Dollar zuzüglich Zinsen, zahlbar in vier Raten;
rund 482.000 gelistete Werke bei einem Betrag von etwa 3.000 US-Dollar je Werk vor Abzug von Kosten und Honoraren (Autoren und Verlage teilen nach dem Standardschlüssel regelmäßig hälftig);
eine Freigabe („release“) nur für vergangene Handlungen bei der Beschaffung und Vervielfältigung der gelisteten Werke; Ansprüche wegen Ausgaben des Modells („outputs“) und wegen künftigen Verhaltens sind nicht erfasst;
die Verpflichtung, die aus den Piraterie-Quellen heruntergeladenen Originaldateien und davon gefertigte Kopien zu vernichten.
Zwei Einschränkungen sind für die Einordnung wesentlich. Erstens ist der Vergleich ohne Feststellung einer Haftung geschlossen worden; seine Höhe spiegelt das Prozessrisiko wider, nicht ein rechtskräftiges Urteil über Verletzung und Schaden. Zweitens bindet die Entscheidung vom 23.06.2025 als Entscheidung eines Bundesbezirksgerichts andere Gerichte nicht. Gegen Teile der Vergleichsabwicklung, insbesondere die Honorarentscheidung, sind nach den vorliegenden Berichten Rechtsmittel zum Ninth Circuit anhängig.
2. Warum die Summe so hoch ist: Gesetzlicher Schadensersatz pro Werk
Das US-Urheberrecht erlaubt dem Rechteinhaber, anstelle des nachgewiesenen Schadens einen gesetzlich festgelegten Betrag je verletztem Werk zu verlangen („statutory damages“, 17 U.S.C. § 504(c)). Der Rahmen beträgt grundsätzlich 750 bis 30.000 US-Dollar je Werk und bis zu 150.000 US-Dollar bei vorsätzlicher Verletzung. Bei einer Bibliothek mit mehreren Hunderttausend Werken führt diese Berechnungsmethode zu Risiken, die Unternehmen bestandsgefährdend treffen können. Das erklärt, weshalb auch ein Anbieter, der den zentralen Rechtsstreit über das Training gewinnt, bei der Beschaffung der Daten ein erhebliches Restrisiko trägt.
3. Übertragbarkeit auf das deutsche Recht
Das deutsche Urheberrecht kennt keine „fair use“-Generalklausel, sondern abschließend geregelte Schranken (§§ 44a ff. UrhG). Für das KI-Training ist vor allem § 44b UrhG (Text und Data Mining) maßgeblich, der Art. 4 der Richtlinie (EU) 2019/790 umsetzt. Nach § 44b Abs. 2 Satz 1 UrhG sind Vervielfältigungen von „rechtmäßig zugänglichen Werken“ für das Text und Data Mining zulässig; nach Satz 2 sind sie zu löschen, wenn sie dafür nicht mehr erforderlich sind. Bei online zugänglichen Werken ist ein Nutzungsvorbehalt nur wirksam, wenn er in maschinenlesbarer Form erklärt wird (§ 44b Abs. 3 UrhG). Für Einrichtungen der wissenschaftlichen Forschung enthält § 60d UrhG eine eigene Schranke.
Rechtmäßig zugänglich: Die Parallele zum Fall Bartz liegt im Tatbestandsmerkmal „rechtmäßig zugänglich“. Es liegt nahe, dass Werke aus Quellen, die sie ihrerseits rechtswidrig öffentlich zugänglich machen, nicht „rechtmäßig zugänglich“ sind. Eine höchstrichterliche Klärung dieser Frage liegt nach unserem Kenntnisstand nicht vor; sie ist als offen zu behandeln.
Rechtsprechung: Die Fragen der Reichweite von § 44b UrhG beim KI-Training beschäftigen die deutschen Gerichte derzeit intensiv:
LG Hamburg, Urteil vom 27.09.2024 (Kneschke ./. LAION), und nachfolgend OLG Hamburg, Urteil vom 10.12.2025 – 5 U 104/24: Die Klage eines Fotografen wurde abgewiesen. Nach den vorliegenden Berichten hat das OLG Hamburg das Erstellen des Datensatzes als von den Schranken des Text und Data Mining gedeckt angesehen und entschieden, dass ein lediglich in natürlicher Sprache formulierter Nutzungsvorbehalt nicht den Anforderungen an die Maschinenlesbarkeit genügt; die Revision wurde zugelassen.
BGH, I ZR 281/25: Der I. Zivilsenat hat nach den vorliegenden Berichten am 03.09.2026 mündlich verhandelt. Eine Entscheidung ist danach nicht ergangen; der Senat hat Klärungsbedarf nach Unionsrecht signalisiert, sodass eine Vorlage an den EuGH in Betracht kommt. Ob und mit welchen Fragen vorgelegt wird, war nach den vorliegenden Berichten offen.
LG München I, Urteil vom 11.11.2025 – 42 O 14139/24 (GEMA ./. OpenAI): Nach den vorliegenden Berichten sah das Gericht in der Memorisierung von Liedtexten im Modell eine Vervielfältigung (§ 16 UrhG), die nicht von § 44b UrhG gedeckt sei, und bejahte eine Verletzung auch durch die Ausgaben des Chatbots; die Verantwortlichkeit liege beim Anbieter. Das Urteil war nach den Berichten nicht rechtskräftig.
Daraus folgt: Während der US-Fall Training und Beschaffung trennt, stellt das LG München I zusätzlich auf die Frage ab, ob das Modell selbst Werke enthält und wiedergibt. Beide Linien sind für Anbieter relevant, und sie ergänzen sich: Eine tragfähige Compliance muss sowohl die Herkunft der Daten als auch das Ausgabeverhalten des Modells abdecken.
Rechtsfolgen: Ein Strafschadensersatz oder gesetzlich pauschalierter Schadensersatz je Werk wie im US-Recht existiert in Deutschland nicht. Der Rechteinhaber kann jedoch Unterlassung und Beseitigung (§ 97 Abs. 1 UrhG), Schadensersatz einschließlich der Berechnung nach der Lizenzanalogie (§ 97 Abs. 2 UrhG), Auskunft (§ 101 UrhG) sowie Vernichtung und Rückruf (§ 98 UrhG) verlangen. Die vorsätzliche unerlaubte Verwertung ist zudem nach § 106 UrhG strafbar. Bei einem Modell, dessen Training auf rechtswidrig beschafften Daten beruht, kann der Unterlassungs- und Vernichtungsanspruch wirtschaftlich schwerer wiegen als der Zahlungsanspruch.
Regulatorik: Anbieter von KI-Modellen mit allgemeinem Verwendungszweck müssen nach Art. 53 Abs. 1 lit. c der Verordnung (EU) 2024/1689 (KI-Verordnung) eine Strategie zur Einhaltung des Urheberrechts der Union vorhalten, insbesondere zur Ermittlung und Beachtung von Rechtevorbehalten nach Art. 4 Abs. 3 der Richtlinie (EU) 2019/790, und nach lit. d eine hinreichend detaillierte Zusammenfassung der für das Training verwendeten Inhalte veröffentlichen. Die Dokumentation der Datenherkunft ist damit nicht nur ein Risikothema, sondern eine Rechtspflicht.
4. Bedeutung für Transaktionen und Verträge
Für Unternehmenskäufe und Beteiligungen an KI-Unternehmen wird die Herkunft der Trainingsdaten zu einem eigenständigen Prüfungsgegenstand der Due Diligence. Das Risiko liegt nicht nur in der Vergangenheit: Besteht der Verdacht, dass ein Modell mit rechtswidrig beschafften Daten trainiert wurde, können Unterlassungs- und Vernichtungsansprüche den Wert des Kernvermögens des Zielunternehmens berühren. Käufer sollten dies in Garantien, Freistellungen und gegebenenfalls in Kaufpreisregelungen abbilden; Anbieter von KI-Diensten sollten ihre Kunden gegenüber Ansprüchen Dritter nur in einem Umfang freistellen, der durch die eigene Datenherkunft belegbar ist.
5. Praxis-Checkliste
Herkunft der Trainingsdaten dokumentieren (Quelle, Zeitpunkt, Rechtsgrundlage der Nutzung, Lizenz oder Schranke).
Piraterie-Quellen („shadow libraries“) und Datensätze ungeklärter Herkunft ausschließen; bestehende Datensätze auf solche Quellen prüfen.
Maschinenlesbare Nutzungsvorbehalte nach § 44b Abs. 3 UrhG technisch erkennen, beachten und das Vorgehen protokollieren.
Löschkonzept für Vervielfältigungen, die für das Text und Data Mining nicht mehr erforderlich sind (§ 44b Abs. 2 Satz 2 UrhG).
Memorisierung und Ausgabeverhalten des Modells testen und Schutzmaßnahmen gegen die Wiedergabe geschützter Inhalte vorsehen.
Lizenzierung von Inhalten dort in Betracht ziehen, wo die Schranken nicht eindeutig tragen.
Pflichten nach Art. 53 der KI-Verordnung (Urheberrechtsstrategie, Trainingsdaten-Zusammenfassung) umsetzen.
In Verträgen und Transaktionen Garantien, Freistellungen und Haftungsbegrenzungen zur Datenherkunft sorgfältig verhandeln.
Rechtsentwicklung beobachten, insbesondere die anstehende Entscheidung des BGH (I ZR 281/25) und eine mögliche Vorlage an den EuGH.
Fazit
Bartz v. Anthropic zeigt, dass sich das Haftungsrisiko beim KI-Training nicht allein an der Frage der Zulässigkeit des Trainings entscheidet. Maßgeblich ist auch, wie die Trainingsdaten beschafft und vorgehalten wurden. Dieser Befund lässt sich nicht unmittelbar auf das deutsche Recht übertragen, weil dort keine „fair use“-Generalklausel, wohl aber die engen Voraussetzungen des § 44b UrhG gelten und wesentliche Rechtsfragen bis zu einer Entscheidung des BGH oder des EuGH offen sind. Wer KI-Modelle entwickelt, einsetzt oder erwirbt, sollte die Datenherkunft daher belegbar machen. Sprechen Sie uns bei Fragen gern an.
Stand: 17.11.2026
NIETZER Rechtsanwälte · Attorneys at Law (USA) · Heilbronn · www.unternehmensrecht.com
Dieser Beitrag dient der allgemeinen Information und ersetzt keine Rechtsberatung im Einzelfall.

