Der Kern des Urteils ist eine tats\u00e4chliche Feststellung, keine rechtliche: Die sechs Werke sind in den Modellversionen v3.5 und v4 reproduzierbar enthalten. Die Kammer nennt das \u2013 im Anschluss an die Informatik \u2013 Memorisierung<\/strong>: Das Modell entnimmt den Trainingsdaten nicht blo\u00df Informationen \u00fcber Muster, sondern \u00fcbernimmt in seinen Parametern auch den Inhalt. Belegt wurde das durch den Abgleich von Trainingswerk und Output; angesichts der L\u00e4nge und Komplexit\u00e4t der St\u00fccke schloss das Gericht den Zufall aus. Sunos Einwand, die Gewichte bildeten nur \u201estatistisch erlernte Muster“ ab und der Speicherplatz reiche \u201erein mathematisch nicht aus, um 1 % der Trainingsdaten zu speichern“, verfing damit nicht. Untersagt ist Suno nun ausdr\u00fccklich die Vervielf\u00e4ltigung \u201edurch Speicherung in Form von Parametern oder anderen Datenstrukturen in einem solchen KI-Modell“.<\/p>\n Aus dieser Feststellung folgt der Rest fast zwangsl\u00e4ufig.<\/p>\n Der wichtigste Satz f\u00fcr die Praxis betrifft aber die Zurechnung<\/strong>. Suno hatte argumentiert, f\u00fcr den Output seien die Nutzer verantwortlich \u2013 schlie\u00dflich g\u00e4ben die den Prompt ein. Das Gericht sah das anders: Weil die Prompts einfach und ergebnisoffen waren \u2013 nur Liedtext und Stil, keine Vorgaben zu Melodie, Harmonie oder Arrangement \u2013, bestimmt das Modell den Output inhaltlich, nicht der Nutzer. Die Verantwortung bleibt beim Anbieter. Und schon das blo\u00dfe Angebot eines so gebauten Modells verletzt nach Ansicht der Kammer das unbenannte Recht der \u00f6ffentlichen Wiedergabe (\u00a7 15 Abs 2 dUrhG). Ein solcher Auffangtatbestand fehlt im \u00f6sterreichischen Recht; dort w\u00e4re \u00fcber eine richtlinienkonforme Auslegung der \u00a7\u00a7 18, 18a \u00f6UrhG im Licht des Art 3 InfoSoc-RL zu argumentieren. Bemerkenswert ist im \u00dcbrigen, wo die GEMA mit ihrer Argumentation nicht durchgedrungen ist: Das Recht der \u00f6ffentlichen Zug\u00e4nglichmachung (\u00a7 19a dUrhG) hat die Kammer verneint \u2013 anders als noch im OpenAI-Verfahren \u2013 und nur den hilfsweise geltend gemachten Fall (\u201eunbenannte Rechte\u201c) zugesprochen.<\/p>\n Am weitesten reicht der internationale Teil. \u00dcber \u00a7 131 VGG (Verwertungsgesellschaftengesetz) zog das Gericht auch das Training in den USA an sich. Die Norm begr\u00fcndet in Abs 1 einen ausschlie\u00dflichen Gerichtsstand am Verletzungsort und erlaubt es einer Verwertungsgesellschaft in Abs 2, alle Anspr\u00fcche gegen denselben Verletzer bei einem der zust\u00e4ndigen Gerichte zu b\u00fcndeln \u2013 urspr\u00fcnglich gedacht f\u00fcr den \u201evon Ort zu Ort ziehenden Veranstalter“. Diese Konzentrationsregel hat die Kammer \u201edoppelfunktional“ auch auf die internationale Zust\u00e4ndigkeit angewandt und gegen v\u00f6lkerrechtliche Einw\u00e4nde verteidigt. Gepr\u00fcft hat sie das Auslandstraining dann \u2013 dem Schutzlandprinzip folgend \u2013 nach US-Recht. Ergebnis: kein Fair Use. Genau hier wird es f\u00fcr die Einordnung interessant, denn dieselbe Fair-Use-Doktrin hatte in zwei anderen US-Verfahren die KI-Anbieter noch gesch\u00fctzt. Dazu gleich mehr.<\/p>\n Ein weiterer Umstand f\u00e4llt schwer ins Gewicht. Suno hatte die Titel per Stream-Ripping von YouTube gezogen und dabei eine technische Schutzma\u00dfnahme umgangen. Das ist kein reines KI-Problem, sondern schlichter Schutzma\u00dfnahmenbruch \u2013 und es macht den Fall zu einem denkbar schlechten Testballon f\u00fcr die KI-Branche.<\/p>\n Das Suno-Urteil steht nicht allein. Das LG M\u00fcnchen hatte bereits im November 2025 im Verfahren GEMA gegen OpenAI (42 O 14139\/24) entschieden. Damals ging es um Songtexte, die ChatGPT auf einfache Eingaben nahezu w\u00f6rtlich ausgab. Schon dort lautete die Begr\u00fcndung, dass Memorisierung im Modell Vervielf\u00e4ltigung ist \u2013 dort allerdings zus\u00e4tzlich verbunden mit einem Versto\u00df gegen das Recht der \u00f6ffentlichen Zug\u00e4nglichmachung \u2013, die TDM-Schranke (\u00a7 44b dUrhG entspricht \u00a7 42h \u00f6UrhG) diese nicht deckt, und die Wiedergabe im Output eine eigene Rechtsverletzung bedeutet. Das aktuelle Suno-Urteil \u00fcbertr\u00e4gt diese Linie von der Sprache auf die Musik.<\/p>\n Zwei Entscheidungen derselben Kammer in weniger als einem Jahr, beide gegen US-KI-Anbieter, beide zugunsten der GEMA. Bemerkenswert ist die praktische Konsequenz, die fr\u00fch erkannt wurde: Wenn jede Memorisierung eine Vervielf\u00e4ltigung ist und sich memorisierte Werke nicht zuverl\u00e4ssig aus einem trainierten Modell entfernen lassen (ein \u201eUnlearning“ existiert bislang nicht; vgl Schack<\/em>, Auslesen von Webseiten zu KI-Trainingszwecken als Urheberrechtsverletzung de lege lata et ferenda, NJW 2024, 113 [114] mwN), dann bleibt einem Anbieter im Zweifel nur die Lizenz; oder er nimmt das Modell in seiner betroffenen Fassung vom Markt. In diesem Szenario steckt die eigentliche Sprengkraft der Rechtsprechung.<\/p>\n Das LG M\u00fcnchen hat eine Frage beantwortet, \u00fcber die die Rechtswissenschaft seit Jahren streitet \u2013 allerdings nur f\u00fcr einen konkreten Sachverhalt. Der Streit selbst bleibt.<\/p>\n Die eine Seite argumentiert so, wie auch das Gericht entschieden hat. Ein Modell, aus dem sich ein Werk mit dem richtigen Prompt wieder herausholen l\u00e4sst, muss dieses Werk in irgendeiner Form enthalten. Anders l\u00e4sst sich das Ergebnis nicht erkl\u00e4ren. Ein Modell ist eine Datenstruktur, die ausschlie\u00dflich aus dem besteht, was ihr beigebracht wurde. Der urheberrechtliche Vervielf\u00e4ltigungsbegriff ist bewusst weit gefasst. Der Begriff verlangt nicht, dass die Kopie unmittelbar wahrnehmbar ist. Dass die Speicherung sich \u00fcber Milliarden Gewichte verteilt und niemand sie gezielt auslesen kann, \u00e4ndert nach dieser Lesart nichts. Je nach Modell und Trainingsbedingungen, so die Untersuchungen, auf die sich diese Position st\u00fctzt, lassen sich zwischen 0,1 und 10 Prozent der Trainingsdaten identisch reproduzieren (eingehend Dornis<\/em>, Generative KI, urheberrechtliche Vervielf\u00e4ltigung und \u00f6ffentliche Zug\u00e4nglichmachung \u2013 Teil 1: Das Modellinnere, CR 2024, 765 [768]). Suno hielt dem entgegen, der Speicherplatz der Parameter reiche rechnerisch nicht einmal f\u00fcr ein Prozent des Trainingskorpus.<\/p>\n Die Gegenposition, die in \u00d6sterreich prominent vertreten wird, setzt genau dort an. Neuronale Netze speicherten keine Daten, sondern Wahrscheinlichkeiten. Aus hundert Billionen Datenpunkten w\u00fcrden am Ende einige Milliarden Gewichte \u2013 eine drastische Reduktion, an deren Ende kein Festlegungsst\u00fcck mehr steht, das ein Werk auch nur mittelbar wahrnehmbar machen k\u00f6nnte. Reproduziert ein Modell doch einmal ein Trainingswerk, sei das ein Sonderfall, meist Folge von \u00dcberanpassung: ein Fehler, kein Normalzustand, und ein Fehler, den moderne Trainingsmethoden gerade zu vermeiden suchen. Eine Urheberrechtsverletzung ohne jede dauerhafte Festlegung anzunehmen, hie\u00dfe, den Schutz zu \u00fcberspannen und den KI-Markt unertr\u00e4glich einzuschn\u00fcren (so D\u00fcrager\/Heinzl<\/em>, K\u00fcnstliche Intelligenz und Machine Learning, \u00d6Bl 2025\/2, 3 [13]).<\/p>\n Zwischen beiden Lagern steht eine vermittelnde Ansicht, die inzwischen an Boden gewinnt: Ob sich im austrainierten Modell Vervielf\u00e4ltigungen befinden, h\u00e4nge davon ab, \u201eob das KI-Modell im konkreten Einzelfall geeignet ist, das Werk den menschlichen Sinnen auf irgendeine Art mittelbar oder unmittelbar wahrnehmbar zu machen“ (BGH 23.02.2017, I ZR 92\/16; vgl Schwartmann\/K\u00f6hler<\/em>, Vervielf\u00e4ltigungen urheberrechtlich gesch\u00fctzter Werke im Rahmen der Entwicklung generativer KI-Modelle, NJW 2026, 711 [712]).<\/p>\n Wer recht hat, ist zuerst keine Rechts-, sondern eine technische Frage. Und genau das macht die Sache f\u00fcr die Praxis unangenehm. Ob ein Modell memorisiert, entscheidet sich am einzelnen Modell \u2013 an seiner Gr\u00f6\u00dfe, an der Zusammensetzung der Trainingsdaten und daran, wie oft ein Werk darin vorkommt. Das M\u00fcnchner Gericht musste das nicht abstrakt l\u00f6sen; ihm gen\u00fcgten sechs Lieder, die sich reproduzieren lie\u00dfen. Ein \u00f6sterreichisches Gericht st\u00fcnde vor demselben Beweisthema.<\/p>\n Im \u00dcbrigen bedeutet die Verneinung der Vervielf\u00e4ltigung im Modellinneren noch nicht, dass das Urheberrecht damit vom Tisch w\u00e4re. Vor dem Training steht das Sammeln. Sp\u00e4testens beim Web-Scraping und beim Aufbau des Trainingskorpus entsteht eine Vervielf\u00e4ltigung, \u00fcber die ernsthaft niemand streitet \u2013 im Arbeitsspeicher, jedenfalls aber in der dauerhaft gespeicherten Datensammlung. Die Frage lautet dann nicht mehr, ob eine Verwertungshandlung vorliegt, sondern nur noch, ob eine Schranke sie deckt. Damit verlagert sich das gesamte Gewicht auf \u00a7 42h UrhG.<\/p>\n Entschieden wird diese Frage am Ende ohnehin nicht in M\u00fcnchen und auch nicht in Wien. Beim EuGH liegt seit April 2025 das erste Vorabentscheidungsverfahren zu KI und Urheberrecht (C-250\/25, Like Company<\/a>). Dort geht es im Kern genau darum, ob der Trainingsvorgang eines Sprachmodells eine Vervielf\u00e4ltigung ist und ob die TDM-Ausnahme greift. Bis diese Antwort vorliegt, sind alle nationalen Urteile Zwischenst\u00e4nde (vgl zum Vorlageverfahren Wyrobek<\/em>, Das Urheberrecht auf dem Abstellgleis \u2013 Umgang mit gesch\u00fctzten Werken beim KI-Training, ailex 2025\/11 [Pkt C.3.]).<\/p>\n Beim nachvollziehbaren Reflex, das M\u00fcnchner Urteil eins zu eins nach \u00d6sterreich zu \u00fcbertragen, ist Vorsicht geboten.<\/p>\n Die ma\u00dfgebliche Norm hei\u00dft in \u00d6sterreich \u00a7 42h UrhG. Ebenso wie \u00a7 44b dUrhG setzt sie eine europ\u00e4ische Vorgabe um (Art 4 DSM-Richtlinie). Inhaltlich ist die \u00f6sterreichische TDM-Schranke etwas gro\u00dfz\u00fcgiger formuliert als in Deutschland: \u00a7 42h Abs 6 UrhG erlaubt seit 01.01.2022 jedermann \u2013 auch Unternehmen, auch zu kommerziellen Zwecken \u2013 Vervielf\u00e4ltigungen zur automatisierten Auswertung, solange rechtm\u00e4\u00dfiger Zugang besteht und kein maschinenlesbarer Nutzungsvorbehalt entgegensteht.<\/p>\n Das klingt nach Freibrief f\u00fcrs Training. Ist es aber nicht, und zwar aus drei Gr\u00fcnden, die im Suno-Fall jeweils einschl\u00e4gig w\u00e4ren:<\/p>\n Die Output-Seite wiederum braucht in \u00d6sterreich gar keine Sonderdogmatik. Ein Musikst\u00fcck, das die originellen Z\u00fcge eines gesch\u00fctzten Werkes wiedererkennbar \u00fcbernimmt, ist eine Vervielf\u00e4ltigung oder unfreie Bearbeitung \u2013 die Wertung des \u00a7 5 Abs 2 und der \u00a7\u00a7 14 ff \u00f6UrhG f\u00fchrt zum selben Ergebnis wie in M\u00fcnchen. F\u00fcr die \u00dcbertragung der dortigen Ergebnisse l\u00e4sst sich f\u00fcr die \u00f6sterreichische Rechtslage pr\u00e4gnant sagen: Anderer Paragraf, gleiche Logik. Ein \u00f6sterreichisches Gericht k\u00e4me bei diesem Sachverhalt mit hoher Wahrscheinlichkeit zum selben Ergebnis.<\/p>\n Im M\u00fcnchner Urteil scheitert die TDM-Schranke schon an der Speicherdauer. Das ist der direkteste Weg, die Anwendung der Schranke zu verneinen. In der Literatur stehen daneben zwei Argumente, die deutlich weiter reichen \u2013 und die auch ein Modell treffen, das nachweislich nichts memorisiert.<\/p>\n Erstens: der Zweck der TDM-Schranke<\/strong><\/p>\n Text und Data Mining zielt nach dem Gesetzeswortlaut auf die Gewinnung von Informationen \u00fcber Muster, Trends und Korrelationen. Es geht also um das, was in den Daten steckt, nicht um den geistigen Inhalt der Werke selbst. Streng genommen ber\u00fchrt echtes TDM das Urheberrecht deshalb gar nicht. Beim generativen Training verh\u00e4lt es sich anders: Dort geht es gerade um den Ausdruck, weil am Ende inhaltsgleiche oder \u00e4hnliche Erzeugnisse entstehen sollen.<\/p>\n Wer diesen Unterschied ernst nimmt, kommt zu einer teleologischen Reduktion \u2013 die Schranke wurde 2019 geschaffen, als der europ\u00e4ische Gesetzgeber generative KI schlicht nicht vor Augen hatte. Dass aus dem Recht zu lesen kein Recht zum Mining folgt, ist dabei mehr als ein Wortspiel (zum Meinungsstand Schwartmann\/K\u00f6hler<\/em>, NJW 2026, 711 [714]). Die Freistellung des blo\u00dfen Werkgenusses beruht historisch darauf, dass sich Verg\u00fctungen gegen\u00fcber privaten Endnutzern nicht durchsetzen lassen \u2013 nicht auf einem hehren Prinzip, das sich auf industrielles Scraping \u00fcbertragen lie\u00dfe.<\/p>\n Dazu kommt, dass die Schranke technisch schlecht passt. Sie erlaubt die Aufbewahrung nur, solange sie f\u00fcr die Auswertung n\u00f6tig ist. Ein Modell, das kontinuierlich weiterlernt, kennt diesen Zeitpunkt nicht. Die L\u00f6schpflicht kollidiert au\u00dferdem mit den Dokumentationspflichten aus der KI-Verordnung \u2013 und ein L\u00f6schen im Sinne eines nachtr\u00e4glichen \u201eUnlearning\u201c ist technisch bis heute nicht verf\u00fcgbar.<\/p>\n Zweitens: der Drei-Stufen-Test als internationaler Vorbehalt<\/strong><\/p>\n Freie Werknutzungen stehen im europ\u00e4ischen wie im internationalen Urheberrecht unter Vorbehalt. Sie d\u00fcrfen nur bestimmte Sonderf\u00e4lle betreffen, die normale Verwertung des Werkes nicht beeintr\u00e4chtigen und die berechtigten Interessen der Rechteinhaber nicht ungeb\u00fchrlich verletzen. Alle drei Stufen m\u00fcssen kumulativ erf\u00fcllt sein. Der Test bindet nicht nur den Gesetzgeber bei der Umsetzung, er ist auch Auslegungsma\u00dfstab f\u00fcr die Gerichte \u2013 eine Schranke der Schranke (ausf\u00fchrlich Behm\/Mitterauer<\/em>, „Move fast and break things“ – jedoch nicht zu Lasten der Urheber, MR 2025 H 1 Beilage, 6 [11]).<\/p>\n Auf der zweiten Stufe setzt ein Argument an, dessen Pr\u00e4misse einfach ist: F\u00fcr Trainingsdaten existiert l\u00e4ngst ein Markt. Gro\u00dfe Verlage und Medienh\u00e4user lizenzieren ihre Archive an KI-Anbieter, die Nachfrage nach hochwertigen Daten w\u00e4chst \u2013 Suno selbst hat Ende 2025 einen Lizenzvertrag mit Warner Music geschlossen, nachdem Warner zuvor gegen das Unternehmen vorgegangen war. Eine verg\u00fctungsfreie Schranke nimmt diesem Markt genau das, was ihn tr\u00e4gt \u2013 wer gratis scrapen darf, kauft nicht. Hinzu kommt der Substitutionseffekt auf der Ausgabeseite. Der Output tritt in direkte Konkurrenz zu den Werken, mit denen trainiert wurde, am deutlichsten bei einfachen Texten, Illustrationen und Gebrauchsgrafik.<\/p>\n Der naheliegende Einwand lautet, Training und Nutzung seien zu trennen. Die Schranke betreffe nur den vorgelagerten Vorgang, der Output sei eine andere Frage. Die Gegenseite h\u00e4lt das f\u00fcr eine k\u00fcnstliche Aufspaltung eines einheitlichen Vorgangs \u2013 trainiert wird ja gerade, damit der Output entsteht. Nach der Rechtsprechung des EuGH muss sich ein Substitutionseffekt nicht unmittelbar aus der Nutzungshandlung selbst ergeben, um auf der zweiten Stufe zu z\u00e4hlen (Behm\/Mitterauer<\/em>, MR 2025 H 1 Beilage, 6 [13]; aA Schwartmann\/K\u00f6hler<\/em>, NJW 2026, 711 [717]).<\/p>\n F\u00fcr die Praxis ist das deshalb relevant, weil dieses Argument unabh\u00e4ngig von der Memorisierungsfrage funktioniert. Auch ein Modell, das erwiesenerma\u00dfen nur verallgemeinert, m\u00fcsste sich daran messen lassen. Wer darauf setzt, dass die eigene Architektur nichts speichert, hat damit noch nicht alle Einw\u00e4nde entkr\u00e4ftet.<\/p>\n Die TDM-Schranke steht und f\u00e4llt mit dem Nutzungsvorbehalt. Er soll den Rechteinhabern die Kontrolle zur\u00fcckgeben: Wer nicht will, dass mit seinen Werken trainiert wird, erkl\u00e4rt das maschinenlesbar, und die Privilegierung greift nicht mehr. In der Theorie elegant. In der Praxis hat die Konstruktion mindestens drei Schwachstellen.<\/p>\n Erstens verlangt sie Handeln von denen, die sch\u00fctzen wollen. Das Urheberrecht entsteht formlos; der Vorbehalt kehrt dieses Prinzip faktisch um, weil den Schutz nur beh\u00e4lt, wer technisch etwas unternimmt. F\u00fcr einen Verlag mit IT-Abteilung ist das machbar, f\u00fcr die freie Fotografin oder den Komponisten ist es das kaum. Was \u201emaschinenlesbar\u201c genau verlangt, ist zudem bis heute strittig.<\/p>\n Zweitens greift der Vorbehalt dort nicht, wo die Werke tats\u00e4chlich liegen. Als rechtm\u00e4\u00dfiger Zugang gilt nach dem europ\u00e4ischen Verst\u00e4ndnis bereits der Zugang zu frei im Netz verf\u00fcgbaren Inhalten. Die wenigsten Urheber betreiben aber die Seiten, auf denen ihre Werke stehen \u2013 das tun Plattformen, Agenturen, Medienh\u00e4user, teils dieselben Konzerne, die selbst Modelle trainieren. Ob dort ein Vorbehalt gesetzt wird, entzieht sich dem Urheber vollst\u00e4ndig.<\/p>\n Drittens ist die Durchsetzung schwach. Ein ignorierter Vorbehalt kostet zun\u00e4chst nichts, und das Scraping l\u00e4sst sich in eine andere Jurisdiktion verlagern. Die KI-Verordnung setzt hier an: Anbieter von Modellen mit allgemeinem Verwendungszweck m\u00fcssen nach Art 53 Abs 1 lit c KI-VO eine Strategie zur Einhaltung des Urheberrechts einschlie\u00dflich der Ermittlung erkl\u00e4rter Vorbehalte vorhalten und nach lit d eine \u201ehinreichend detaillierte Zusammenfassung“ der Trainingsinhalte ver\u00f6ffentlichen. Wie diese Strategie auszusehen hat, sagt die Verordnung nicht \u2013 und ver\u00f6ffentlicht werden muss sie, anders als die Zusammenfassung, gar nicht. Die Vorlage des AI Office wiederum verlangt keine Nennung einzelner Werke, sondern nur Angaben zu den wichtigsten Datens\u00e4tzen und Domains (dazu Wyrobek<\/em>, ailex 2025\/11 [Pkt B.1]). Ein Einzelwerknachweis wird damit in aller Regel nicht m\u00f6glich sein. Ob sich daraus subjektive Anspr\u00fcche der Rechteinhaber ableiten lassen, ist offen; bei Schadenersatz st\u00fcnden Kausalit\u00e4t und Schadensh\u00f6he im Weg. F\u00fcr die Rechteinhaber bleibt damit das, was die Literatur \u201eOpazit\u00e4tsrisiko“ nennt (Schwartmann\/K\u00f6hler<\/em>, NJW 2026, 711 [716]): Man kann von au\u00dfen nicht erkennen, ob ein Modell \u00fcberhaupt mit den eigenen Werken trainiert wurde. Immerhin d\u00fcrfte es ein Indiz gegen den Anbieter sein, wenn er die Einhaltung seiner Vorbehaltsstrategie nicht nachweisen kann.<\/p>\n Wer eigene Inhalte sch\u00fctzen will, sollte einen Nutzungsvorbehalt maschinenlesbar hinterlegen und zwar lieber gestern als morgen, denn nachtr\u00e4gliche Erkl\u00e4rungen wirken auf bereits erfolgtes Training nicht zur\u00fcck. Wer Werke Dritter auf eigenen Seiten hostet, sollte vertraglich kl\u00e4ren, wer den Vorbehalt (falls gew\u00fcnscht) setzt. Wer einen Vorbehalt setzt, sollte wissen und einkalkulieren, dass dieselben Signale, die Trainings-Crawler aussperren, auch Suchmaschinen aussperren k\u00f6nnen.<\/p>\n Dass diese Konstruktion nicht tr\u00e4gt, ist auf europ\u00e4ischer Ebene angekommen: Der Rechtsausschuss des Europ\u00e4ischen Parlaments hat Anfang 2026 einen Initiativbericht zu Urheberrecht und generativer KI angenommen, der genau die beiden Schwachstellen adressiert \u2013 die Rechtsunsicherheit \u00fcber die Reichweite der TDM-Schranke und die praktische Wirkungslosigkeit des Nutzungsvorbehalts. Der Bericht enth\u00e4lt keine bindenden Regelungen. Er ist freilich ein Signal, in welche Richtung eine Reform laufen k\u00f6nnte (vgl Schwartmann\/K\u00f6hler<\/em>, NJW 2026, 711 [718]).<\/p>\n Bisher ging es um den Input. Im Unternehmensalltag stellt sich die Kehrseite h\u00e4ufiger \u2013 und ihre Antwort \u00fcberrascht die meisten.<\/p>\n Im Ausgangspunkt ist die Beurteilung weitgehend unstrittig. Rein KI-generierte Inhalte sind urheberrechtlich nicht gesch\u00fctzt. Schutz setzt eine eigent\u00fcmliche geistige Sch\u00f6pfung voraus, also einen menschlichen Schaffensakt. Der Entwickler des Modells scheidet als Urheber aus, weil der konkrete Inhalt etwas Eigenst\u00e4ndiges gegen\u00fcber dem System ist. Der Nutzer scheidet in der Regel ebenfalls aus, weil ein Prompt die Idee vorgibt und nicht die Ausf\u00fchrung \u2013 und Ideen sind nicht gesch\u00fctzt. Auch ein besonders raffinierter Prompt \u00e4ndert demnach grunds\u00e4tzlich nichts an dieser Einordnung (vgl zur differenzierten Debatte etwa Raue<\/em>, Kreativit\u00e4t im Zeitalter ihrer technischen Reproduzierbarkeit: Generative KI als Totengr\u00e4berin des Urheberrechts? ZUM 2024, 157 [160]; Krone<\/em>, Urheberrechtlicher Schutz von ChatGPT-Texten? RDi 2023, 117 [122]; D\u00fcrager\/Heinzl<\/em>, \u00d6Bl 2025\/2, 3 [6]).<\/p>\n Die praktische Konsequenz sollte nicht untersch\u00e4tzt werden. Was nicht gesch\u00fctzt ist, darf jeder \u00fcbernehmen. Wer eine Agentur mit einem Werbekonzept beauftragt und ein weitgehend KI-generiertes Ergebnis erh\u00e4lt, bekommt keine Nutzungsrechte einger\u00e4umt. Denn was sollte eine Rechteeinr\u00e4umung umfassen, wenn man selbst keine erlangt hat? Der Mitbewerber darf das Motiv nachbauen, und niemand kann es ihm verbieten.<\/p>\n Der Weg aus dieser L\u00fccke f\u00fchrt \u00fcber den menschlichen Anteil. Wird die KI nur als Werkzeug in einem im \u00dcbrigen menschlichen Schaffensprozess eingesetzt, oder wird ein generierter Entwurf so bearbeitet, dass die menschliche Leistung im Vordergrund steht, entsteht wieder ein Werk. Feste Kriterien daf\u00fcr gibt es nicht; als Faustregel gilt, dass die pr\u00e4genden gestalterischen Entscheidungen beim Menschen liegen m\u00fcssen (Siems\/Wiborg<\/em>, Urheberrechtlicher Schutz f\u00fcr KI-generierte Arbeitsprodukte \u2013 M\u00f6glichkeiten der Vertragsgestaltung f\u00fcr Auftraggeber, RDi 2025, 136 [138 f]; f\u00fcr Softwarecode Kercz<\/em>, Vom Prompt zum Code: Urheberrechtliche Risiken, Open-Source-Fallstricke und Transaktionsrelevanz, ailex 2026\/10 [Pkt A.1]).<\/p>\n Daneben ist ein neues Problem entstanden, das erst in den letzten Jahren sichtbar wurde. Bisher war die Werkeigenschaft eine Rechtsfrage, die das Gericht nach objektiven Merkmalen beurteilte. Seit sich KI-Erzeugnisse von menschlichen nicht mehr zuverl\u00e4ssig unterscheiden lassen, tritt daneben eine Tatsachenfrage: War da \u00fcberhaupt ein Mensch am Werk? Bestreitet der Gegner die Werkqualit\u00e4t substantiiert, muss der Kl\u00e4ger grunds\u00e4tzlich den Entstehungsprozess darlegen und notfalls beweisen. Bei rein digitalen Arbeitsprozessen ist das schwierig. Die Urhebervermutung hilft nicht weiter, weil sie ein Werk voraussetzt und genau das im Streit steht. Wer kreativ arbeitet, hat damit einen neuen und unerwarteten Grund, seinen Entstehungsprozess zu dokumentieren (dazu K\u00f6gel<\/em>, Urheberrechtliche Implikationen bei der Verwendung kreativer und generativer k\u00fcnstlicher Intelligenz, InTeR 2023, 179 [183 f]).<\/p>\n Die Rechtslage ist unsicher, die Entscheidungen sind es nicht. Drei Rollen sind zu unterscheiden \u2013 und in jeder gibt es Handlungsspielraum.<\/p>\n Wer trainiert oder Modelle zukauft, sollte zuerst die Herkunft dokumentieren. Rechtm\u00e4\u00dfiger Zugang ist Tatbestandsvoraussetzung des \u00a7 42h UrhG. Wer sich auf die Schranke beruft, muss ihre Voraussetzungen darlegen. Festzuhalten sind also Quelle, Zeitpunkt und Zugangsweg \u2013 und vor allem, dass keine technische Schutzma\u00dfnahme umgangen wurde. Dieser Punkt ist kein KI-spezifisches Thema. Ebenso zu protokollieren ist die Pr\u00fcfung auf Nutzungsvorbehalte, und zwar bezogen auf den Zeitpunkt des Scrapings. Wer ein Modell \u201eeinkauft\u201c, sollte sich Herkunftszusicherungen, eine Freistellung und die Trainingsdaten-Zusammenfassung nach der KI-Verordnung geben lassen, statt sie vorauszusetzen.<\/p>\n Dar\u00fcber hinaus sollte das Modell auf Memorisierung getestet werden, bevor es in den Markt geht: Extraktionsversuche mit einfachen, ergebnisoffenen Prompts auf bekannte Werke, \u00c4hnlichkeitsabgleich der Outputs, dokumentierte Ausgabefilter. Der Grund daf\u00fcr ist unangenehm einfach. Ein \u201eUnlearning\u201c gibt es nicht. Wer ein memorisiertes Werk im Modell hat, hat es dauerhaft \u2013 und steht dann vor der Wahl zwischen Lizenz und Marktr\u00fccknahme der betroffenen Version. Sorgfalt vor dem Training ist deshalb ungleich mehr wert als jede Reparatur danach.<\/p>\n Ein Sonderfall verdient dabei besondere Aufmerksamkeit: Softwarecode. F\u00fcr ein konkretes Programmierproblem gibt es sehr viel weniger sinnvolle Formulierungen als f\u00fcr einen Satz nat\u00fcrlicher Sprache. Entsprechend hoch ist die Wahrscheinlichkeit, dass ein Assistent Open-Source-Code nahezu wortgleich reproduziert. Das eigentliche Risiko liegt dabei weniger in der Urheberrechtsverletzung als im Lizenzversto\u00df: Copyleft-Lizenzen k\u00f6nnen die Weitergabe abgeleiteter Werke unter denselben Bedingungen erzwingen, und wer die Herkunft eines Fragments nicht kennt, kann den Lizenzhinweis nicht setzen. Erschwerend kommt hinzu, dass sich eine belastbare Pr\u00fcfung im Nachhinein kaum f\u00fchren l\u00e4sst, weil die Vergleichswerke \u2013 propriet\u00e4rer Code \u2013 gar nicht zug\u00e4nglich sind. Wirksam ist deshalb nur, was vorher passiert: Auswahl des Modells, Open-Source-Review, dokumentierte Freigabeprozesse. In M&A-Verfahren ist das inzwischen ein eigener Pr\u00fcfpunkt der IP Due Diligence, der sich in Freistellungen und Closing Conditions niederschl\u00e4gt (vgl Kercz<\/em>, ailex 2026\/10 [Pkt B.]).<\/p>\n Wer kreative Leistungen zukauft, hat den gr\u00f6\u00dften Gestaltungsspielraum und sollte ihn nutzen. Sinnvoll k\u00f6nnte etwa eine Verpflichtung des Auftragnehmers sein, KI ausschlie\u00dflich als untergeordnetes Hilfsmittel einzusetzen und generierte Inhalte so nachzubearbeiten, dass die menschliche Leistung im Vordergrund steht. Bei Gesamtwerken wie einer Brosch\u00fcre oder einer Kampagne l\u00e4sst sich zus\u00e4tzlich festlegen, dass KI nur f\u00fcr untergeordnete Teile verwendet werden darf, w\u00e4hrend Entwurf, Auswahl und Zusammenstellung von Menschen stammen m\u00fcssen. Flankierend geh\u00f6rt eine Dokumentationspflicht in den Vertrag. Sie sollte erfassen, welche Werkzeuge in welchem Umfang eingesetzt wurden und welche Bearbeitungsschritte am generierten Material vorgenommen wurden, samt Best\u00e4tigung des Auftragnehmers. Das ist keine B\u00fcrokratie um ihrer selbst willen, sondern die Beweisgrundlage f\u00fcr den Streitfall, in dem die Werkqualit\u00e4t bestritten wird.<\/p>\n F\u00fcr den Fall der Verletzung dieser Pflichten ist eine Nachbesserungspflicht wenig praktikabel: Ist das Ergebnis gut, will es niemand kosmetisch nachbearbeiten, und ob das dann noch ein Urheberrecht begr\u00fcndet, ist zweifelhaft. Wirksamer sind eine Vertragsstrafe, die keinen Schadensnachweis verlangt und vor allem abschreckt, eine Freistellungsregelung f\u00fcr die Weiterlizenzierung an Dritte und ein K\u00fcndigungsrecht (mit Klauselvorschl\u00e4gen Siems\/Wiborg<\/em>, RDi 2025, 136 [139 f]). Unternehmensintern l\u00e4sst sich dasselbe Ziel nicht vertraglich, sondern nur \u00fcber klare Richtlinien erreichen \u2013 kaum ein Unternehmen wird seinen Mitarbeitenden generative KI verbieten, aber jedes kann regeln, wie sie eingesetzt und dokumentiert wird.<\/p>\n Das Suno-Urteil aus M\u00fcnchen entscheidet keine der gro\u00dfen offenen Fragen des KI-Trainings \u2013 es entscheidet einen konkreten, schlecht gew\u00e4hlten Fall. Es d\u00fcrfte freilich ein verl\u00e4sslicher Kompass f\u00fcr die Linie sein, auf die europ\u00e4ische Gerichte zusteuern: Verallgemeinern ist das eine, Memorisieren das andere. Solange ein Modell nur Muster lernt und nichts wiedererkennbar ausgibt, hat es gute Argumente. Sobald sich gesch\u00fctzte Werke durch simple Prompts reproduzieren lassen, kippt die Bewertung \u2013 und zwar in Deutschland \u00fcber \u00a7 44b dUrhG, in \u00d6sterreich \u00fcber \u00a7 42h \u00f6UrhG.<\/p>\n Unternehmen in \u00d6sterreich sollten diese Entwicklung im Blick behalten \u2013 und zwar in vier Rollen:<\/p>\n Die Gerichte haben begonnen, urheberrechtliche Grauzonen der KI-Revolution auszuleuchten. Es zeigt sich, dass Unternehmen gut beraten sind, die Entwicklungen mitzuverfolgen und entsprechende Ma\u00dfnahmen zu ergreifen.<\/p>\n Im Grundsatz ja. \u00a7 42h Abs 6 UrhG erlaubt seit 01.01.2022 auch Unternehmen und auch zu kommerziellen Zwecken Vervielf\u00e4ltigungen zur automatisierten Auswertung. Die Schranke hat aber drei Bruchstellen: rechtm\u00e4\u00dfiger Zugang, Speicherdauer und Nutzungsvorbehalt. Wer eine technische Schutzma\u00dfnahme umgeht oder Werke dauerhaft und reproduzierbar im Modell beh\u00e4lt, kann sich nicht mehr auf sie berufen. Ob die TDM-Schranke auf generatives Training \u00fcberhaupt passt, wird der EuGH (hoffentlich) in der Rs C-250\/25 kl\u00e4ren.<\/p>\n <\/p>\n<\/div>\n Von Memorisierung spricht man, wenn ein Modell Trainingsinhalte in seinen Parametern so festh\u00e4lt, dass es sie im Output ganz oder teilweise reproduzieren kann. Genau darauf st\u00fctzt das LG M\u00fcnchen I seine Verurteilung. Verallgemeinert ein Modell nur Muster, hat sein Anbieter gute Argumente; l\u00e4sst sich ein gesch\u00fctztes Werk mit einfachen Prompts wieder herausholen, kippt die Bewertung. Ob ein Modell memorisiert, ist zuerst eine technische Frage \u2013 und sie ist f\u00fcr jedes Modell einzeln zu beantworten.<\/p>\n <\/p>\n<\/div>\n Bei online zug\u00e4nglichen Werken verlangt das Gesetz eine maschinenlesbare Form. Der sichere Weg f\u00fchrt \u00fcber robots.txt und Metadaten, nicht \u00fcber einen Satz in den Nutzungsbedingungen. Ob eine Erkl\u00e4rung in nat\u00fcrlicher Sprache gen\u00fcgt, ist strittig; f\u00fcr \u00d6sterreich fehlt dazu jede Judikatur. Wichtig ist vor allem der Zeitpunkt: Der Vorbehalt wirkt nicht auf bereits erfolgtes Training zur\u00fcck.<\/p>\n <\/p>\n<\/div>\n Ma\u00dfgeblich sind Sektor und Gr\u00f6\u00dfe. Erfasst sind Einrichtungen aus 18 Sektoren, die im Regelfall mindestens 50 Besch\u00e4ftigte oder mehr als 10 Mio Euro Umsatz beziehungsweise Bilanzsumme aufweisen; einige wenige T\u00e4tigkeiten sind unabh\u00e4ngig der Unternehmensgr\u00f6\u00dfe erfasst. Die Einstufung ist selbst vorzunehmen, eine beh\u00f6rdliche Verst\u00e4ndigung gibt es nicht. Auch wer nicht direkt erfasst ist, sollte pr\u00fcfen, ob NIS-2-pflichtige Kunden die Anforderungen \u00fcber Lieferkettenklauseln weitergeben.<\/p>\n <\/p>\n<\/div>\n Zun\u00e4chst niemandem. Rein KI-generierte Inhalte sind mangels menschlicher Sch\u00f6pfung nicht urheberrechtlich gesch\u00fctzt; entsprechend lassen sich daran auch keine Nutzungsrechte einr\u00e4umen. Schutz entsteht erst, wenn die pr\u00e4genden gestalterischen Entscheidungen bei einem Menschen liegen \u2013 weil die KI nur Hilfsmittel war oder weil das Ergebnis substanziell nachbearbeitet wurde. Wer sich darauf st\u00fctzen will, sollte den Entstehungsprozess dokumentieren.<\/p>\n <\/p>\n Drei Punkte tragen am weitesten: die Verpflichtung, KI nur als untergeordnetes Hilfsmittel einzusetzen und Ergebnisse substanziell nachzubearbeiten; eine Dokumentationspflicht \u00fcber eingesetzte Werkzeuge und Bearbeitungsschritte; und Rechtsfolgen, die auch greifen \u2013 Vertragsstrafe, Freistellung, K\u00fcndigungsrecht. Prozentangaben zum \u201emenschlichen Anteil\u201c sind zu vermeiden, weil sich kreative Beitr\u00e4ge nicht beziffern lassen. Unternehmensintern ersetzt eine klare Richtlinie den Vertrag.<\/p>\n<\/div>\n Die IP- und IT-Rechtsexperten von ATB.LAW begleiten Unternehmen an der Schnittstelle von Urheberrecht und K\u00fcnstlicher Intelligenz. Wir pr\u00fcfen Ihre Trainings- und Einsatzprozesse, gestalten Lizenz- und Nutzungskonzepte und setzen Nutzungsvorbehalte technisch wie rechtlich sauber auf. Kontaktieren Sie Stefan Knotzer<\/a> und Roman Taudes<\/a> jederzeit unter office@atb.law<\/a> bzw. telefonisch unter 01 39 12345<\/a> f\u00fcr ein unverbindliches Erstgespr\u00e4ch.<\/em><\/p>\n","protected":false},"template":"","categories":[29],"class_list":["post-9232","blog-post","type-blog-post","status-publish","has-post-thumbnail","hentry","category-datenschutz-und-ki"],"acf":[],"post-kategorie":"29","_post-kategorie":"field_66d947537140a","post-kurzbeschreibung":"Wo bei KI & Urheberrecht schiefe T\u00f6ne entstehen","_post-kurzbeschreibung":"field_66d949fe1efe2","post-beitragsbild":"9233","_post-beitragsbild":"field_66d94a4a1efe3","post-author_post-author-name":"Stefan Knotzer","_post-author_post-author-name":"field_66d94a801efe5","post-author_post-author-foto":"8759","_post-author_post-author-foto":"field_66d94aa11efe6","post-author":"","_post-author":"field_66d94ee2827ca","yoast_head":"\n\n
Konsequente Linie des LG M\u00fcnchen<\/h2>\n
Klare Verh\u00e4ltnisse\u2026 sehen anders aus<\/h2>\n
Die \u00dcbersetzung nach \u00d6sterreich: ein anderer Paragraf, dieselbe Logik<\/h2>\n
\n
Zwei Argumente, die weiter reichen<\/h2>\n
Der Nutzungsvorbehalt und seine Konstruktionsfehler<\/h2>\n
Die andere H\u00e4lfte des Problems: Wem geh\u00f6rt der Output?<\/h2>\n
Was Unternehmen jetzt tun k\u00f6nnen<\/h2>\n
Fazit<\/h2>\n
\n
H\u00e4ufige bzw. relevante Fragen (FAQs)<\/h2>\n
Ist das Training einer KI mit fremden Werken in \u00d6sterreich erlaubt?<\/strong><\/h4>\n
Was bedeutet \u201eMemorisierung\u201c \u2013 und warum h\u00e4ngt daran so viel?<\/strong><\/h4>\n
Reicht ein Hinweis in den AGB als Nutzungsvorbehalt?<\/strong><\/h4>\n
Ist unser Unternehmen vom NISG 2026 erfasst?<\/strong><\/em><\/h4>\n
Wem geh\u00f6ren die Ergebnisse, die eine KI erzeugt?<\/strong><\/h4>\n
Was sollten Unternehmen regeln, wenn sie kreative Leistungen zukaufen?<\/strong><\/h4>\n
Setzen Sie KI im Unternehmen ein oder entwickeln Sie eigene Modelle \u2013 und wollen wissen, wo Sie urheberrechtlich stehen?<\/strong><\/h3>\n