Die Sammelklage von Autoren gegen OpenAI ist ein konsolidiertes Gerichtsverfahren, in dem eine Gruppe von Autoren behauptete, dass OpenAI, der Entwickler großer Sprachmodelle wie GPT-3 und GPT-4, ihre Urheberrechte verletzt habe, indem es ihre Bücher und andere schriftliche Werke ohne Erlaubnis zum Trainieren seiner Systeme für künstliche Intelligenz verwendet habe. Der Fall, der vor dem United States District Court for the Southern District of New York eingereicht wurde, wurde zu einem Brennpunkt für breitere Debatten über die Rechtmäßigkeit des Trainings generativer KI mit urheberrechtlich geschütztem Text. Die Kläger forderten gesetzliche Schadensersatzleistungen, die Herausgabe von Gewinnen und eine einstweilige Verfügung gegen weitere unbefugte Nutzung, während OpenAI argumentierte, dass seine Trainingspraktiken unter die Fair-Use-Doktrin fielen.
Das Verfahren entstand inmitten einer Welle ähnlicher Klagen gegen KI-Unternehmen und spiegelte die wachsende Spannung zwischen der Kreativwirtschaft und der raschen Kommerzialisierung von Generative AI wider. Die Behauptungen der Autoren konzentrierten sich auf die Prämisse, dass die Large language models von OpenAI, die auf Transformer (architecture)-Architekturen aufbauen und mit riesigen Internet-Korpora trainiert werden, notwendigerweise geschützte Ausdrucksformen reproduzierten und daraus ableiteten. Anders als frühere Fälle, die Suchmaschinen oder Bildminiaturen betrafen, zielte diese Klage auf den grundlegenden Trainingsprozess selbst ab und warf neuartige Fragen auf, ob das Aufnehmen urheberrechtlich geschützten Materials für maschinelles Lernen eine Verletzung darstellt.
Hintergrund und Einreichung
Die ursprüngliche Beschwerde wurde am 8. September 2023 von Autoren wie Sarah Silverman, Richard Kadrey und Christopher Golden eingereicht, die behaupteten, dass die Trainingsdaten von OpenAI ihre Bücher ohne Autorisierung enthielten. Die Kläger machten geltend, dass die OpenAI-Modelle von OpenAI Zusammenfassungen, Paraphrasen und sogar wörtliche Auszüge ihrer Werke generieren könnten, was zeige, dass der Trainingsprozess expressive Elemente kopiert und gespeichert habe. Der Fall wurde später mit anderen Autorenklagen konsolidiert, darunter jene von Michael Chabon, Ta-Nehisi Coates und der Komikerin Sarah Silverman, unter dem Titel In re OpenAI ChatGPT Litigation.
Die Autoren wurden von der Anwaltskanzlei Susman Godfrey vertreten, die zuvor hochkarätige Streitigkeiten im Bereich des geistigen Eigentums geführt hatte. Die Beschwerde legte detailliert dar, wie OpenAI große Teile des Internets, einschließlich Buch-Repositorien und Sammlungen piratierter Texte, durchsuchte, um Trainingsdatensätze zusammenzustellen. Sie zitierte interne OpenAI-Dokumente und öffentliche Aussagen, die darauf hindeuteten, dass das Unternehmen die rechtlichen Risiken der Nutzung urheberrechtlich geschützten Materials ohne Lizenzen erkannte. Die Kläger argumentierten, dass die Handlungen von OpenAI nicht transformativ seien, sondern eine kommerzielle Ausbeutung bestehender Werke darstellten, da die Modelle mit den Originalbüchern auf dem Markt konkurrierten.
Rechtliche Ansprüche und Argumente
Der zentrale rechtliche Anspruch war eine direkte Urheberrechtsverletzung gemäß dem U.S. Copyright Act, insbesondere 17 U.S.C. § 501. Die Kläger behaupteten, dass OpenAI ihre ausschließlichen Rechte zur Vervielfältigung, zur Erstellung abgeleiteter Werke und zur Verbreitung von Kopien verletzt habe. Sie erhoben auch Ansprüche auf mittelbare Verletzung und ungerechtfertigte Bereicherung und argumentierten, dass OpenAI von der unbefugten Nutzung ihrer kreativen Arbeit profitiert habe. Die Beschwerde forderte gesetzliche Schadensersatzleistungen von bis zu 150.000 US-Dollar pro Werk, was angesichts der Anzahl der angeblich verletzten Werke Milliarden von Dollar hätte betragen können.
Die Verteidigung von OpenAI stützte sich hauptsächlich auf die Fair-Use-Ausnahme, die in 17 U.S.C. § 107 kodifiziert ist. Das Unternehmen argumentierte, dass das Training eines Modells eine transformative Nutzung sei, da das Modell den Originaltext nicht reproduziere, sondern statistische Muster und linguistische Strukturen lerne. OpenAI behauptete, dass der Zweck des Trainings darin bestehe, ein allgemein einsetzbares Werkzeug zu schaffen, nicht die Werke der Autoren zu ersetzen, und dass die Ausgaben der Modelle selten dem Quellmaterial ähnelten. Das Unternehmen wies auch darauf hin, dass es Filter implementiert habe, um die Generierung wörtlicher urheberrechtlich geschützter Texte zu verhindern, obwohl die Kläger die Wirksamkeit dieser Maßnahmen bestritten.
Eine zentrale Rechtsfrage war, ob das Zwischenkopieren urheberrechtlich geschützter Werke während des Trainings eine Verletzung darstellt. Die Kläger zogen eine Analogie zum wegweisenden Fall Authors Guild v. Google, in dem das Gericht entschied, dass die Digitalisierung von Büchern durch Google für die Suchindexierung eine faire Nutzung sei. Die Autoren argumentierten jedoch, dass die Nutzung durch Google darauf beschränkt sei, Texte durchsuchbar zu machen, während die Nutzung durch OpenAI die Schaffung eines konkurrierenden Produkts beinhalte, das neue Texte im Stil der Originalautoren generieren könne. Die Unterscheidung zwischen „Suche“ und „Generierung“ wurde zu einem zentralen Streitpunkt.
Discovery und technische Beweise
Während der Discovery-Phase forderten die Kläger Zugang zu den Trainingsdaten und Modellgewichten von OpenAI und argumentierten, dass diese Beweise notwendig seien, um zu beweisen, dass urheberrechtlich geschützte Werke tatsächlich kopiert wurden. OpenAI wehrte sich unter Berufung auf Geschäftsgeheimnisse und die enormen Rechenressourcen, die zur Erstellung solcher Daten erforderlich seien. Das Gericht ordnete jedoch eine begrenzte Discovery an, die es den Klägern erlaubte, Metadaten und Protokolle zu prüfen, die zeigten, welche Quellen im Trainingskorpus enthalten waren. Dies führte zu Enthüllungen, dass OpenAI Datensätze wie Books3 verwendet hatte, eine Sammlung piratierter Bücher aus der Schattenbibliothek Bibliotik, die Tausende urheberrechtlich geschützter Titel enthielt.
Die technischen Beweise konzentrierten sich auf die Architektur von Neural networks und die Natur des Deep learning. Die Sachverständigen der Kläger sagten aus, dass große Sprachmodelle, einschließlich jener, die auf der Transformer (architecture)-Architektur basieren, komprimierte Darstellungen von Trainingsbeispielen speichern. Sie argumentierten, dass diese Darstellungen es dem Modell ermöglichen, Texte zu reproduzieren, die nicht nur ein statistischer Zufall seien, sondern eine direkte Ableitung vom Original. Die Sachverständigen von OpenAI konterten, dass die Modelle stochastisch seien und dass jede Ähnlichkeit mit bestimmten Texten ein Ergebnis der Fähigkeit des Modells zur Generalisierung sei, nicht zur Memorierung. Die Debatte über „Memorisierung“ versus „Generalisierung“ wurde zu einem wiederkehrenden Thema im Fall.
Gerichtliche Entscheidungen und Anträge
Im Februar 2024 lehnte Richterin Araceli Martínez-Olguín den Antrag von OpenAI auf Abweisung des Falls ab und ließ die Urheberrechtsansprüche zu. Die Richterin entschied, dass die Kläger plausibel behauptet hätten, dass der Trainingsprozess von OpenAI das Kopieren geschützter Ausdrucksformen beinhalte, und dass die Fair-Use-Verteidigung nicht in der Klagephase gelöst werden könne. Diese Entscheidung war bedeutsam, da sie das Argument von OpenAI zurückwies, dass der Fall durch die Verjährungsfrist ausgeschlossen sei oder dass den Klägern die Klagebefugnis fehle. Die Entscheidung stellte auch fest, dass die Kläger angemessen eine Verbindung zwischen den Trainingsdaten und den Ausgaben des Modells behauptet hätten, selbst wenn die Ausgaben keine wörtlichen Kopien seien.
Eine nachfolgende Entscheidung im Mai 2024 verengte den Umfang des Falls, indem sie einige Ansprüche der Kläger abwies, einschließlich jener im Zusammenhang mit Landesrecht und ungerechtfertigter Bereicherung, bewahrte jedoch die Kern-Urheberrechtsanspräche. Das Gericht lehnte auch den Antrag von OpenAI auf Erzwingung eines Schiedsverfahrens ab, da die Kläger keiner Schiedsklausel zugestimmt hätten. Diese Entscheidungen ebneten den Weg für eine mögliche Verhandlung, obwohl beide Parteien ihre Bereitschaft zur Einigung signalisierten. Der Fall wurde derselben Richterin zugewiesen, die auch andere KI-Urheberrechtsfälle überwachte, einschließlich jener gegen Anthropic und Google DeepMind, was darauf hindeutete, dass das Gericht gemeinsame rechtliche Fragen koordiniert behandeln könnte.
Branchen- und Politikimplikationen
Die Klage hatte weitreichende Auswirkungen auf die Artificial intelligence-Industrie. Sie veranlasste andere KI-Unternehmen, einschließlich Anthropic und Google DeepMind, ihre Trainingspraktiken zu überprüfen und Lizenzvereinbarungen mit Verlagen und Autoren auszuhandeln. Ende 2023 gab OpenAI Partnerschaften mit mehreren Medienunternehmen bekannt, darunter Axel Springer und die Associated Press, um Nachrichteninhalte für das Training zu lizenzieren. Diese Deals deckten jedoch nur einen kleinen Teil der Bücher und Artikel ab, die im Training verwendet wurden, sodass viele Autoren unkompensiert blieben.
Der Fall beeinflusste auch gesetzgeberische Bemühungen. Im US-Kongress brachten Gesetzgeber Gesetzesentwürfe wie den AI Foundation Model Transparency Act ein, der Unternehmen verpflichten würde, ihre Trainingsdatenquellen offenzulegen. Das KI-Gesetz der Europäischen Union, das 2024 finalisiert wurde, enthielt Bestimmungen, die Entwickler allgemeiner KI-Modelle verpflichten, ihre Trainingsdaten zu dokumentieren und das Urheberrecht einzuhalten. Die Sammelklage der Autoren diente als Testfall dafür, ob das bestehende Urheberrecht das KI-Training wirksam regulieren kann oder ob neue Gesetzgebung erforderlich ist.
Reaktionen aus der kreativen Gemeinschaft
Die Klage mobilisierte Autoren und andere Kreative, die darin eine Verteidigung ihrer Lebensgrundlage sahen. Organisationen wie die Authors Guild reichten Amicus-Schriftsätze zur Unterstützung der Kläger ein und argumentierten, dass KI-Modelle drohten, menschliches Schreiben zu entwerten und die wirtschaftlichen Anreize für kreative Arbeit zu untergraben. Einige Autoren unterstützten jedoch KI als Werkzeug für Inspiration und Zusammenarbeit, und einige wenige lizenzierten sogar ihre Werke an KI-Unternehmen. Die Kluft spiegelte breitere gesellschaftliche Debatten über die Rolle der Automatisierung in kreativen Bereichen wider.
Prominente Autoren, die sich der Klage anschlossen, waren Jonathan Franzen, Jodi Picoult und George R.R. Martin, obwohl einige später zurücktraten oder Vorbehalte äußerten. Der Fall zog auch Aufmerksamkeit von Akademikern auf sich, die darüber debattierten, ob das Training mit urheberrechtlich geschütztem Text analog zum menschlichen Lernen ist. Gelehrte wie Melanie Mitchell und Brendan Lake argumentierten, dass Maschinen nicht im menschlichen Sinne „lesen“, aber das Rechtssystem musste entscheiden, ob der mechanische Prozess des Kopierens und Transformierens von Daten eine Verletzung darstellt.
Vergleich und Nachwirkungen
Bis 2025 blieb der Fall ungelöst, wobei beide Seiten in Vergleichsverhandlungen engagiert waren. Berichte deuteten darauf hin, dass OpenAI angeboten hatte, eine Lizenzgebühr an eine Kollektiv von Autoren zu zahlen, aber die Kläger fordereten einen höheren Betrag und laufende Tantiemen. Das Gericht hatte eine Statuskonferenz für Ende 2025 angesetzt, und Beobachter spekulierten, dass eine Einigung wahrscheinlich sei, angesichts der hohen Kosten des Rechtsstreits und des Potenzials für eine ungünstige Entscheidung. Eine Einigung hätte einen Präzedenzfall dafür geschaffen, wie KI-Unternehmen Kreatoren kompensieren, obwohl sie nicht notwendigerweise andere Beklagte binden würde.
Der Fall löste auch verwandte Klagen aus. Im Jahr 2024 reichte eine Gruppe von Sachbuchautoren eine separate Sammelklage gegen OpenAI ein, die behauptete, dass das Unternemen ihre Werke ohne Erlaubnis verwendet habe. Die New York Times reichte ihre eigene Klage gegen OpenAI und Microsooft ein, die vor demselben Gericht anhängig war. Diese Fälle schufen zusammen mit der Sammelklage der Autoren eine komplexe rechtliche Landschaft, die die Zukunft der KI-Entwicklung prägen würde. Das Ergebnis des Autorenfalls wurde weithin erwartet, nicht nur die USA, sondern auch Rechtsordnungen weltweit zu beinflussen, die mit ähnlichen Fragen rangen.
Breiterer Kontext und Zukunftsperspektive
Die Sammelklage der Autoren gegen OpenAI war Teil einer größeren Beweegung, KI-Unternemen für ihre Trainingsdaten zur Rechenschaft zu ziehen. Sie betonte die Spannung zwischen technologischer Innovation und Rechten am geistigen Eigentum und erzwang eine öffentliche Auseinandersetzung mit der Tatsache, dass KI-Systeme auf der unbezahlten Arbeit unzähliger Schriftsteller, Künstler und Journalisten aufgebaut sind. Der Fall unterstrich auch die Notwendigkeit von Transparenz in der KI-Entwicklung, da die Discovery-Anträge der Kläger die undurchsichtige Natur der Trainingsdatensammlung offenlegten.
Mit Blick auf die Zukunft könnten die in diesem Fall etablierten rechtlichen Prinzipien dauerhafte Auswirkungen haben. Wenn das Gericht entschiede, dass das Training mit urheberrechtlich geschützten Werken ohne Erlaubnis eine Verletzung darstellt, müssten KI-Unternemen ihre Datenerwerbsstrategien überarbeiten und sich möglicherweise auf gemeinfreie Werke oder lizenzierte Inhalte stützen. Wenn das Gericht zugunsten der fairen Nutzung entschiede, würde es KI-Entwicklern breiten Spielraum geben, bestehende Texte zu verwenden, aber es könnte auch gesetzgeberische Maßnahmen anstoßen, um ein obligatorisches Lizenzierungssystem zu schaffen. In jedem Fall stellte der Fall einen entscheidenden Moment in der Geschichte des Machine learning und der Kommerzialisierung von Generative AI dar.
Die Sammelklage der Autoren warf auch Fragen über die Natur der Autorschaft selbst auf. Da KI-Modelle in der Lage sind, Texte zu produzieren, die mit menschlichem Schreiben konkurrieren, wird die Grenze zwischen origineller Schöpfung und abgeleitetem Werk verschwommen. Der Fall zwang Gerichte dazu, zu erwägen, ob eine Maschine, die Millionen von Büchern „gelesen“ hat, grundlegend anders ist als ein menschlicher Autor, der von denselben Büchern beeinflusst wurde. Obwohl das Rechtssystem noch keine endgültige Antwort gegeben hatte, stellte der Fall sicher, dass die Frage noch jahrelang debattiert werden würde.