Der KI-Musikgenerator Suno hat laut dem Landgericht München durch Training und Ausgabe von Musikstücken Urheberrechte verletzt. Das Gericht wendet dabei auch US-amerikanisches Recht an und verwirft die Fair-Use-Verteidigung.
Die GEMA hatte auf Unterlassung, Auskunft und Schadensersatz geklagt und bekam in den meisten Punkten Recht (Az. 42 O 763/25). Gegenstand des Verfahrens waren sechs bekannte Musikwerke, etwa “Atemlos durch die Nacht” von Kristina Bach oder “Rasputin” von Frank Farian, Fred Jay und George Reyam. Es ging dabei ausschließlich um die Musik, nicht um die Liedtexte.
Songs stecken laut Gericht reproduzierbar im KI-Modell
Das Gericht stellte fest, dass die sechs Musikstücke reproduzierbar in Sunos Modellen der Versionen 3.5 und 4 enthalten sind. In der KI-Forschung ist dieses Phänomen als Memorisierung bekannt: Das Modell lernt beim Training womöglich nicht nur allgemeine Muster, sondern speichert auch konkrete Inhalte aus den Trainingsdaten, die sich später als Outputs wieder herausholen lassen.
Suno hatte dagegen argumentiert, das Modell speichere keine Songs, sondern nur “mathematisch erlernte Muster und verallgemeinerte Merkmale”. Ähnlichkeiten in den Outputs seien auf die Prompts und statistische Zusammenhänge zurückzuführen.
Die GEMA hatte für den Test jeweils den originalen Liedtext, den Musikstil und den Songtitel in Sunos Generator eingegeben. Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement machte sie nicht. Trotzdem spuckte Suno Ergebnisse aus, in denen das Gericht die originellen Elemente der Originalstücke wiedererkannte. Dass das Zufall sein könnte, schloss das Gericht angesichts der Komplexität und Länge der Stücke aus.
Suno ist verantwortlich, nicht die Nutzer
Das Gericht machte explizit Suno für die urheberrechtsverletzenden Outputs verantwortlich und nicht die Nutzer, die den Prompt eingegeben hatten. Suno hatte argumentiert, die gezielte Eingabe der Nutzer unterbreche den Zusammenhang zwischen Modell und Output.
Das Gericht sah das anders. Die Prompts seien einfach gehalten und ergebnisoffen gewesen. Suno betreibe die Modelle, habe die Songs als Trainingsdaten ausgewählt und sei für die Architektur und die Memorisierung verantwortlich. Damit hätten die Modelle die Outputs “inhaltlich bestimmt”.
Noch einen Schritt weiter ging das Gericht bei der Frage der öffentlichen Wiedergabe: Bereits das Angebot des Generators zur Musikerzeugung stelle einen Rechtsverstoß dar. Sollte diese Einschätzung Bestand haben, könnte sie auch andere KI-Musikdienste betreffen.
Die von Suno ins Feld geführte Text- und Data-Mining-Ausnahme im deutschen Urheberrecht, die unter bestimmten Bedingungen das automatisierte Auswerten von Inhalten erlaubt, deckt die festgestellte Memorisierung laut dem Gericht nicht.
Auch nach US-Recht kein Fair Use
Das Gericht sah sich aufgrund einer Sonderregel für Verwertungsgesellschaften auch für Ansprüche zuständig, die auf Verletzungshandlungen beim Training in den USA gestützt wurden. Für diese Handlungen wandte es US-amerikanisches Recht an und kam zu dem Schluss: Auch die Fair-Use-Doktrin schützt Suno nicht.
Dabei grenzte das Gericht den Fall von zwei US-Verfahren ab, Bartz und Kadrey. In beiden Fällen hatten amerikanische Gerichte KI-Training als transformative Nutzung und damit als Fair Use gewertet. Der entscheidende Unterschied laut München: In jenen Verfahren waren die Trainingsdaten “nicht oder nicht substanziell in den Outputs dem Benutzer zugänglich gemacht” worden. Bei Suno hingegen kamen nach einfachen Eingaben Ergebnisse heraus, die den Originalen “wesentlich ähnlich” waren.
Alle Faktoren der Fair-Use-Prüfung, wie sie der US Supreme Court in seiner Warhol-Entscheidung vorgegeben hat, sprächen gegen Suno. Das Urteil ist noch nicht rechtskräftig.
Viele offene Fragen
Die Abgrenzung zu den US-Verfahren klingt grundsätzlicher, als sie ist. Das Münchner Gericht sagt nicht, dass Musikmodelle prinzipiell Werke memorisieren und Textmodelle nicht. Es stellt lediglich fest, dass die Reproduktion bei Suno konkret nachgewiesen wurde, während das in den anderen Verfahren nicht der Fall war.
Doch es gibt Forschungsarbeiten, die diesen Effekt auch bei Büchern bestätigen, was nahelegt, dass Memorisierung kein musikspezifisches Phänomen ist. Wie leicht sich ein Werk aus einem KI-Modell extrahieren lässt, dürfte eher davon abhängen, wie häufig es in den Trainingsdaten vertreten war und wie gezielt der Prompt formuliert wird. Populäre Werke wie “Atemlos durch die Nacht” oder “Rasputin” sind im Internet vielfach vorhanden, was ihre Memorisierung wahrscheinlicher macht. Auch bei Sprachmodellen konnten Forscher vor allem besonders bekannte Werke wie Harry Potter nahezu unverändert aus dem Modell abrufen.
Besonders wackelig wirkt die Beschreibung der GEMA-Prompts durch das Münchner Gericht als “einfach und ergebnisoffen”. Die GEMA gab immerhin den kompletten Liedtext, den Musikstil und den Werktitel ein. Musikalisch machte sie zwar keine Vorgaben, aber die Identität des gewünschten Songs war damit ziemlich klar umrissen. Ein normaler Nutzer, der einen KI-Musikgenerator für eigene Kreationen verwendet, würde so wohl kaum prompten.
Im Urheberrechtsstreit zwischen der New York Times und OpenAI ist genau das ein zentraler Streitpunkt: Ob gezielte Prompts, die darauf angelegt sind, geschützte Inhalte zu reproduzieren, die normale Nutzung eines KI-Systems widerspiegeln oder ob sie einen Sonderfall darstellen. Kurz gesagt: Ist es ein Bug, wenn das System Originale ausspuckt, oder ein Feature?
Auch dürfte es kaum das Ziel sein, mit einem Musikgenerator einen Song zu erzeugen, den es bereits gibt. Der gesamte Fokus auf die Outputs könnte sich daher langfristig als Sackgasse erweisen. Die eigentlich relevantere Frage ist, ob Unternehmen wie Suno die Werke überhaupt ohne Zustimmung der Rechteinhaber als Trainingsdaten verwenden durften.
Suno umging angeblich YouTube-Schutzmaßnahmen
Laut der Pressemitteilung des Gerichts setzte Suno sogenannte Stream-Ripping-Techniken ein, um die Musikwerke von YouTube zu extrahieren. Dabei umging das Unternehmen den “Rolling Cipher”, eine technische Schutzmaßnahme der Plattform, die das Herunterladen von Audio- und Videoinhalten verhindern soll.
Das wirft eine Frage auf, die über den konkreten Fall hinausgeht: Ob das Umgehen technischer Schutzmaßnahmen nicht bereits den Tatbestand einer Raubkopie erfüllt, unabhängig davon, was anschließend mit den Daten geschieht.
Denn auch US-Gerichte haben sich in dieser Hinsicht bisher klar positioniert: Fair Use mag beim KI-Training greifen, aber nicht auf Basis von Raubkopien.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den “KI Radar”‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
