US-Justizministerium stützt Fair-Use-Verteidigung für KI-Training im NYT-Fall

Das Justizministerium bezieht in einem wegweisenden KI-Urheberrechtsstreit klar Stellung

Das US-Justizministerium ist in einen der folgenreichsten Rechtsstreite der Künstlichen Intelligenz eingetreten und hat eine Position eingenommen, die die Behandlung des Modelltrainings durch Gerichte über Jahre hinweg beeinflussen könnte. In einer Eingabe im Zusammenhang mit der konsolidierten Klage von The New York Times und anderen Rechteinhabern argumentierte das Ministerium, dass das Training großer Sprachmodelle mit urheberrechtlich geschützten Texten als Fair Use gelten kann.

Dieser Schritt ist bedeutsam, weil der Fall zu einem Gradmesser des breiteren Konflikts zwischen Verlagen und KI-Unternehmen geworden ist. Die Times verklagte OpenAI und Microsoft Ende 2023 vor einem Bundesgericht in Manhattan und warf ihnen vor, Millionen ihrer Artikel ohne Erlaubnis genutzt zu haben, um Systeme wie GPT-4 zu trainieren und Produkte zu bauen, die mit der Zeitung als Informationsquelle konkurrieren. Dem bereitgestellten Quelltext zufolge verlangte die Zeitung Schadensersatz in Milliardenhöhe und die Vernichtung von Modellen, die mit ihren Werken trainiert wurden.

Das Argument des Justizministeriums besagt nicht, dass das Urheberrecht für KI irrelevant sei. Vielmehr zieht es eine engere, aber äußerst wichtige Unterscheidung: Das Kopieren während des Trainings ist nicht dasselbe wie das, was ein Modell den Nutzern am Ende ausgibt. Diese Trennung ist aus Sicht des Ministeriums zentral für die Fair-Use-Prüfung.

Warum die Unterscheidung zwischen Training und Ausgabe so wichtig ist

Der bereitgestellte Quelltext sagt, das Ministerium habe argumentiert, dass beim Training zwar ganze Werke kopiert werden können, diese Werke dabei aber nicht öffentlich zugänglich gemacht werden. Es habe außerdem geltend gemacht, dass Modell-Ausgaben „oft, wenn nicht immer“ keine wesentliche Ähnlichkeit mit den ursprünglichen Materialien aufweisen. Damit berührt es eine der umstrittensten Fragen in der KI-Urheberrechtsdebatte: Soll die Nutzung von Quellmaterial während des Trainings als interner Analyseprozess oder als Teil eines kommerziellen Aktes bewertet werden, der die Originalwerke direkt ersetzt.

Die Sicht des Justizministeriums spricht für die erste Lesart. Wenn das Gericht dieser Logik folgt, hätten KI-Entwickler eine stärkere rechtliche Grundlage dafür, zu argumentieren, dass das Training auf urheberrechtlich geschützten Korpora transformativ ist, vor allem wenn die resultierenden Systeme geschützte Ausdrucksformen nicht in wesentlich ähnlicher Weise reproduzieren. Wenn das Gericht diese Sicht zurückweist, könnten Entwickler deutlich strengeren Lizenzpflichten und womöglich erheblichen operativen Einschränkungen ausgesetzt sein.

Das Ministerium widersprach außerdem einer aus seiner Sicht zu weit gefassten Theorie des Marktschadens. Wie der Quelltext beschreibt, argumentierte es, dass Ansprüche Training und Ausgabe nicht einfach zu einer einzigen Nutzung verschmelzen sollten. Das ist wichtig, weil Urheberrechtsstreitigkeiten oft davon abhängen, ob die beanstandete Tätigkeit lediglich aus einem Werk lernt oder den Markt für dieses Werk verdrängt. Die Position des DOJ legt nahe, dass Kläger nicht automatisch einen Schaden nachweisen können, nur weil ihr Inhalt in Trainingsdaten enthalten war.

Eine rechtliche Analogie zur menschlichen Kreativität

Eines der auffälligsten Merkmale der Eingabe ist laut Zusammenfassung des Quelltexts die Analogie zur Autorin Joan Didion. Das Ministerium verwies auf die vertraute Praxis von Schriftstellern, bewunderte Prosa zu kopieren, um ihr Handwerk zu lernen, und argumentierte, das Gesetz müsse einen Unterschied zwischen dem Studium vorhandener Werke und deren unrechtmäßiger Neuveröffentlichung anerkennen. Die Eingabe deutete dem Bericht zufolge an, dass unter einer weiter gefassten Anti-Training-Theorie sogar dieser menschliche Lernprozess als Verletzung gelten könnte, sobald der Lernende später etwas Neues erschafft.

Die Analogie soll einen breiteren politischen Punkt verdeutlichen. Das Urheberrecht soll originäre Ausdrucksformen schützen, existiert aber zugleich in einem System, das auf Lernen, Bezugnahme und Einfluss beruht. Das Justizministerium scheint zu argumentieren, dass das Training eines Modells mit Text an sich näher am Akt der Analyse als an einer Vervielfältigung zur öffentlichen Verbreitung liegt. Ob Richter diesen Vergleich überzeugend finden, ist eine andere Frage, doch er liefert KI-Unternehmen eine Erzählung, die über technische Details hinaus zu Grundfragen der Kreativität reicht.

Was die Eingabe für Verlage, KI-Firmen und den Markt bedeutet

Für Verlage und andere Rechteinhaber ist die DOJ-Eingabe ein Rückschlag in einem Fall, den viele Medienorganisationen als entscheidend für die Kontrolle über ihre Archive ansehen. The New York Times und andere Kläger argumentieren, dass generative KI-Systeme aus riesigen Beständen professionell erstellter Werke Wert ziehen, ohne dafür zu bezahlen. Sie machen zudem geltend, dass KI-Produkte mit den ursprünglichen Quellen um Aufmerksamkeit, Abonnements und Werbeeinnahmen konkurrieren können.

Für KI-Unternehmen bietet die Position des Ministeriums mehr als rhetorische Unterstützung. Sie ist eine formelle Erklärung der US-Regierung, dass Modelltraining kreativen und gesellschaftlichen Wert schaffen kann und dass eine Haftung allein für das Training die Innovation dämpfen könnte, die das Urheberrecht eigentlich fördern soll. Dieses Framing dürfte in künftigen Fällen, Verhandlungen und politischen Debatten breit zitiert werden, auch über diese konkrete Klage hinaus.

Der Quelltext weist außerdem darauf hin, dass der Fall weithin als wegweisender Test dafür gilt, wie Gerichte mit KI-Training umgehen werden. Diese Beschreibung ist nicht überzogen. Ein Urteil, das Fair Use in diesem Kontext einengt, könnte die Ökonomie der Entwicklung von Frontier-Modellen verändern, insbesondere für Unternehmen, die auf sehr große und vielfältige Textdatensätze angewiesen sind. Ein Urteil, das dem Training weiten Spielraum bestätigt, könnte das derzeitige Entwicklungsmodell verfestigen und künftige Streitigkeiten auf Ausgaben, Lizenzvereinbarungen und Produktdesign verlagern.

Die größere Frage ist noch nicht entschieden

Auch mit der Unterstützung des Fair-Use-Arguments durch das Justizministerium bleibt die Rechtslage offen. Schon der Quelltext selbst merkt an, dass andere widersprechen. Diese Uneinigkeit spiegelt die grundlegende Tatsache wider, dass das KI-Urheberrecht derzeit noch in Echtzeit durch Klagen entsteht und nicht durch einen ausgereiften und stabilen Präzedenzbestand. Die Gerichte müssen erst entscheiden, wie traditionelle Doktrinen wie wesentliche Ähnlichkeit, Transformation und Marktverdrängung auf Systeme anzuwenden sind, die Inhalte nicht einfach speichern und wiedergeben, sondern statistische Muster aus enormen Datensätzen lernen.

Es gibt auch einen praktischen Grund, warum diese Eingabe über den Gerichtssaal hinaus wichtig ist. Sie könnte beeinflussen, wie Unternehmen, Verlage und Gesetzgeber über Lizenzen denken. Wenn Training rechtlich sicherer erscheint, könnten KI-Firmen weniger Druck verspüren, breite Textarchive verpflichtend zu lizenzieren. Wenn Verlage den rechtlichen Trend gegen sich sehen, könnten sie sich stärker auf Ansprüche zu konkreten Ausgaben, Markenverwirrung oder wettbewerblichem Schaden durch KI-generierte Zusammenfassungen konzentrieren, die redaktionellen Produkten ähneln.

Was sich am 2. September 2026 geändert hat, ist nicht die endgültige rechtliche Antwort, sondern die Ausrichtung einer großen Bundesinstitution auf eine Seite des Arguments. Das Justizministerium hat nun ausdrücklich klargestellt, dass nach seiner Ansicht das Training eines großen Sprachmodells mit urheberrechtlich geschützten Texten unter Fair Use fallen kann. In einem Streit, der das Verhältnis zwischen KI-Systemen und dem schriftlichen Bestand, aus dem sie lernen, mitdefinieren wird, ist das eine erhebliche Entwicklung.

Dieser Artikel basiert auf einer Berichterstattung von The Decoder. Zum Originalartikel.