8,2 Millionen Dialoge – kann Microsoft die Urheberrechtsrechnung im Zusammenhang mit KI korrekt klären und abrechnen?

In der Reihe von Urheberrechtsverfahren, die die New York Times, mehrere Nachrichtenagenturen und Autoren gegen OpenAI und Microsoft angestrengt haben, hat Microsoft kürzlich vor Gericht eine Gruppe überzeugender Daten vorgelegt: Von den rund 8,2 Millionen Copilot-Konversationsprotokollen, die gefiltert wurden und am wahrscheinlichsten Werke der Kläger enthalten, wiesen nur 24 Antworten eine Übereinstimmung von mehr als 30 Wörtern mit den betroffenen Büchern auf; von den 212 analysierten Büchern gab es bei nur 10 überhaupt Übereinstimmungen.

Mit diesen Daten will Microsoft belegen, dass Nutzer Copilot nicht nutzen, um die New York Times kostenlos zu lesen oder ganze Abschnitte eines Buches zu kopieren. Dass das große Sprachmodell gelegentlich einige Inhalte ausgibt, die mit Originalwerken übereinstimmen, sollte die Beurteilung nicht widerlegen, dass das gesamte KI-Training dem Zweck der transformativen Nutzung dient.

Der wichtigste Teil dieser Datengruppe ist, dass die KI-Urheberrechtsklagen sich nun von einem Prinzipienstreit darüber, „ob das Modell die Werke gelesen hat“, in einen Beweiskrieg verwandelt, der sich darum dreht, „wie viel das Modell sich merkt, wie viel es ausgibt, unter welchen Bedingungen es ausgibt und wen genau es ersetzt“.

I. Was sagen die 8,2 Millionen Konversationen aus

Die 8,2 Millionen von Microsoft vorgelegten Konversationsprotokolle sind keine gewöhnlichen Stichproben, die zufällig aus allen Nutzerkonversationen von Copilot gezogen wurden. Nach Microsofts Aussage im Verfahren wurden diese Protokolle genau deshalb ausgewählt, weil sie Schlüsselwörter im Zusammenhang mit den Websites der klagenden Nachrichtenmedien trafen, und gehören damit zu der Gruppe von Konversationen, die am wahrscheinlichsten Inhalte der Werke der Kläger enthalten.

Das heißt, es handelt sich nicht um 8,2 Millionen Personen, die willkürlich aus einer unübersehbaren Menge gezogen wurden, sondern man hat zuerst die verdächtigste Gruppe von Personen in den Raum gebeten und dann überprüft, ob sie die Artikel der Kläger in der Hand halten.

Bei dieser Gruppe von Hochrisikostichproben ergab die Analyse der Experten der Kläger nicht nur die Zahl „24“. Microsoft gibt an, dass 59.545 Konversationen mindestens 16 Wörter mit den Nachrichteninhalten übereinstimmten, die die Antworten des Modells stützen, was weniger als 1 % der 8,2 Millionen Protokolle ausmacht; die von dem US-amerikanischen Zentrum für untersuchende Berichterstattung beauftragten Experten stellten darin 51 Antworten fest, die eine „wesentliche Übereinstimmung“ mit den Werken der Einrichtung aufweisen.

Die Zahlen für Bücher sind noch niedriger. Die Experten der Autorenseite fanden in den 8,2 Millionen Konversationen 24 Antworten mit mindestens 30 übereinstimmenden Wörtern, und von den 212 geprüften Büchern gab es bei nur 10 überhaupt Übereinstimmungen.

Diese Zahlen unterstützen Microsoft zumindest dabei, eine Tatsachenbehauptung aufzustellen. Im praktischen Einsatz ist es kein weitverbreitetes Phänomen, dass Copilot die betroffenen Nachrichten und Bücher wortwörtlich oder in großen Abschnitten wiedergibt, und normale Nutzer führen Gespräche mit dem Modell hauptsächlich nicht dazu, Paywalls zu umgehen, um vollständige Artikel kostenlos zu erhalten oder ein Buch fortlaufend zu lesen.

Wenn die Kläger behaupten, Copilot sei im Wesentlichen eine Maschine, die Nutzern jederzeit raubkopierte Artikel und Bücher kostenlos aushändigt, dann wirkt der niedrige Übereinstimmungsanteil in den 8,2 Millionen Konversationen offensichtlich erschütternd auf diese Darstellung. Genau das will Microsoft hauptsächlich beweisen.

II. Dass das Modell selten Originaltexte ausgibt, bedeutet nicht, dass beim Training nicht kopiert wurde

Die Argumentation von Microsoft versteht die „Gesetze“ der Kommunikation sehr gut. Bei 8,2 Millionen Konversationen gab es nur 24 Fälle von Textübereinstimmungen mit Büchern von mehr als 30 Wörtern – wie kann man da behaupten, dass KI Originalwerke in großem Maßstab ersetzt?

Aber die Probleme im Urheberrecht sind weitaus komplexer, da KI mindestens drei relativ unabhängige Nutzungsphasen betreffen kann.

Die erste Phase besteht darin, dass Werke erfasst, heruntergeladen und in den Trainingsdatensatz aufgenommen werden; die zweite Phase besteht darin, dass die Werke oder ihre Merkmale für das Training des Modells, die Parameteranpassung und die Fähigkeitsbildung verwendet werden; die dritte Phase ist schließlich die, in der das Modell nach einer Benutzereingabe prüft, ob es Inhalte ausgibt, die mit dem Originalwerk identisch oder wesentlich ähnlich sind.

Die 8,2 Millionen Copilot-Protokolle beantworten hauptsächlich die dritte Frage, also was das Modell im praktischen Betrieb ausgibt.

Einige der Kernbehauptungen von Klägern wie der New York Times beziehen sich auf eine frühere Phase. Ob Microsoft und OpenAI ihre Werke ohne Genehmigung kopiert, in Trainings- oder Retrieval-Augmented-Systeme aufgenommen und diese Werke genutzt haben, um KI-Produkte mit kommerziellem Wert zu entwickeln.

Selbst wenn eine Maschine nach dem Lesen einer ganzen Bibliothek nie ein einziges Buch vollständig vor Nutzern rezitiert, kann man nicht allein aus der Tatsache, dass sie „keine Originaltexte wiedergibt“, direkt schlussfolgern, dass die ursprünglichen Handlungen des Erwerbs, Kopierens und Nutzens dieser Bücher zwangsläufig rechtmäßig sind.

Umgekehrt kann man auch nicht allein anhand der Wortzahl direkt feststellen, dass der gesamte Trainingsprozess rechtsverletzend ist, selbst wenn das Modell gelegentlich 30, 50 oder mehr Wörter ausgibt, die mit dem Originalwerk identisch sind. Faktische Ausdrücke, gängige Sätze und Überschriften in Nachrichtenberichten genießen nicht genau den gleichen Urheberrechtsschutz wie Handlungen und Sprache in Romanen mit hoher Schöpferhöhe; die Anzahl fortlaufend übereinstimmender Wörter ist nur ein Hinweis für die Überprüfung, während Werktyp, Bedeutung des übereinstimmenden Inhalts, Art der Benutzereingabe und der Gesamteindruck der Ausgabe noch einzeln beurteilt werden müssen.

Also hat Microsoft keine Antwort vorgelegt, die das Verfahren beenden kann, sondern ein Beweismittel, das für die Theorie der „Ausgabeersetzung“ der Kläger ziemlich vorteilhaft ist.

Eine niedrige Wiedergaberate kann den Vorwurf schwächen, dass das Modell massenhaft raubkopierte Werke ausgibt, kann aber nicht automatisch die Herkunft der Trainingsdaten und die Handlungen des Kopierens beim Training rechtfertigen.

III. 16 Wörter, 30 Wörter und wesentliche Ähnlichkeit – wessen Maßstab ist vertrauenswürdiger

Ein weiteres leicht zu übersehendes Problem dieser Datengruppe ist, dass hinter den verschiedenen Zahlen nicht derselbe Maßstab verwendet wird.

Für Nachrichteninhalte wurde ein Prüfstandard von „mindestens 16 übereinstimmenden Wörtern“ angewendet; für Bücher wurde „mindestens 30 übereinstimmende Wörter“ verwendet; die Experten des US-amerikanischen Zentrums für untersuchende Berichterstattung erkannten in den relevanten Protokollen 51 Fälle von „wesentlicher Übereinstimmung“.

16 Wörter und 30 Wörter sind quantitative Standards, während „wesentliche Übereinstimmung“ unter Berücksichtigung des Ausdrucksinhalts, der Werkstruktur und der geschützten Elemente beurteilt werden muss. Sie können dazu verwendet werden, vermutetes Kopieren zu entdecken, können einander aber nicht ersetzen, und man kann nicht einfach alle Wortübereinstimmungen als Urheberrechtsverletzung werten.

Zum Beispiel kann eine KI-Antwort aufgrund der Nennung des vollständigen Namens einer Einrichtung, eines Ereignisnamens und einer Gruppe von Faktenwerten mehr als ein Dutzend fortlaufende Wörter aufweisen, die mit einem Nachrichtenbericht identisch sind, aber diese Inhalte gehören nicht alle zu den schöpferischen Ausdrücken. Eine andere Antwort kann zwar keine 30 Wörter fortlaufend kopieren, aber die zentralsten und erkennbarsten Handlungen oder die Art der Organisation von Gedanken im Werk umschreiben.

Noch wichtiger ist, wie viel Originaltext das Modell ausgibt, hängt oft davon ab, wie der Nutzer die Frage stellt.

Die Ausgabeergebnisse unterscheiden sich offensichtlich, je nachdem, ob ein normaler Nutzer nach Informationen fragt, eine Zusammenfassung von Nachrichten verlangt, oder ob Nutzer das Modell wiederholt auffordern, weiterzuschreiben, zu rezitieren, Beschränkungen zu ignorieren oder den vollständigen Text von kostenpflichtigen Artikeln bereitzustellen. Änderungen der Modellversion, Systemhinweise, Sicherheitsbarrieren, Abrufquellen und Testzeitpunkte können auch die Wahrscheinlichkeit der Wiedergabe verändern.

Daher sind die 8,2 Millionen Protokolle zwar umfangreich, aber das bedeutet nicht, dass es keine Stichprobengrenzen gibt.

Das Gericht wird in der nächsten Zeit nicht nur prüfen, wie viele Übereinstimmungen gefunden wurden, sondern auch fragen, aus welchem Zeitraum und welcher Copilot-Version diese Protokolle stammen, wie die Schlüsselwörter für die Filterung festgelegt wurden, welche Regeln für Löschung und Duplikatentfernung gelten, warum für Nachrichten und Bücher unterschiedliche Schwellenwerte verwendet wurden und ob Konversationen, die nicht in die Analyse einbezogen wurden, zu anderen Ergebnissen führen könnten.

Bei KI-Urheberrechtsverfahren ist bei größeren Stichproben die Methode umso wichtiger.

Eine beeindruckende Zahl kann die Öffentlichkeit anziehen, aber nur eine nachprüfbare Methode kann das Gericht überzeugen.

IV. Wie wirkt sich die niedrige Wiedergaberate auf die Beurteilung der angemessenen Nutzung aus

Microsoft möchte diese Daten nutzen, um die Verteidigung der angemessenen Nutzung zu stützen.

Nach dem US-Urheberrecht muss die angemessene Nutzung in der Regel umfassend berücksichtigen: Zweck und Art der Nutzung, Art des Originalwerks, Umfang und Wesentlichkeit des genutzten Teils sowie die Auswirkungen auf den aktuellen und potenziellen Markt des Originalwerks.

Die 8,2 Millionen Konversationen wirken sich höchstwahrscheinlich auf zwei Aspekte aus: den Nutzungszweck und die Marktauswirkungen.

Wenn die überwiegende Mehrheit der Antworten von Copilot keine Originaltexte wiedergibt, sondern die Fähigkeiten des Modells nutzt, um Fragen zu beantworten, zu übersetzen, zusammenzufassen, zu schreiben, zu programmieren und Informationen zu organisieren, kann Microsoft darauf hinweisen, dass die übliche Verwendung des großen Modells sich von Nachrichtenpublikation oder Buchlesen unterscheidet. Das Training mit Werken dient dazu, ein universelles Werkzeug zu schaffen, das sprachliche und wissensbezogene Aufgaben verarbeiten kann, anstatt die Originalwerke mit einer neuen Oberfläche neu zu verkaufen.

Die niedrige Wiedergaberate hilft Microsoft auch, die direkte Marktersetzung zu widerlegen. Wenn Nutzer keine vollständigen Artikel und Bücher stabil von Copilot erhalten können, ist es schwer zu behaupten, dass jede KI-Konversation ein Abonnement, einen Kauf oder eine Lizenztransaktion reduziert. Die gelegentliche Ausgabe weniger übereinstimmender Inhalte durch das Modell unterscheidet sich in Funktion und Markteffekt von einer Raubkopiedatenbank, die den vollständigen Text des Originalwerks auf Anfrage bereitstellen kann.

Aber die Kläger werden ebenfalls eine andere Marktheorie vorbringen: Der Schaden durch KI stammt nicht nur vom wortwörtlichen Kopieren, sondern auch von der Ersetzung des Informationsbedarfs und des Inhaltseinstiegs.

Nutzer müssen nicht unbedingt den vollständigen Text lesen. Wenn Copilot die zentralen Fakten, exklusiven Informationen und Hauptschlussfolgerungen aus Berichten extrahieren und direkt eine ausreichend brauchbare Antwort geben kann, kann es dazu führen, dass Nutzer nicht mehr auf Nachrichtenwebseiten klicken, keine Werbung mehr sehen oder keine zahlenden Abonnenten mehr werden – selbst wenn keine 30 Wörter fortlaufend wiedergegeben werden.

Daher ist die Frage, die das Gericht in Zukunft beurteilen muss, nicht so einfach wie „ob die KI einen vollständigen Artikel kopiert hat“, sondern ob die KI tatsächlich Sprache lernt und neue Werkzeuge bereitstellt, oder ob sie die Inhalte nutzt, die durch die kontinuierliche Investition anderer entstanden sind, um ein kommerzielles System aufzubauen, das die ursprünglichen Inhaltseinstiege schrittweise ersetzt.

V. KI-Urheberrechtsverfahren bewegen sich von Screenshots zu Protokollen

Bei früheren KI-Urheberrechtsverfahren haben Kläger oft mit bestimmten Eingabewörtern das Modell dazu gebracht, Inhalte auszugeben, die vermutlich mit Originalwerken identisch sind, und dann mehrere Screenshots vor Gericht eingereicht; die Modellanbieter haben dann entgegnet, dass diese Ergebnisse absichtlich herbeigeführt wurden und nicht den normalen Betriebszustand des Produkts darstellen.

Diese Art von Streit kann leicht in eine Situation geraten, in der jede Seite ihre eigene Version der Geschichte erzählt.

Das Auftauchen von 8,2 Millionen echten Konversationsprotokollen hat den Streit zum ersten Mal von wenigen Demonstrationen zu einer groß angelegten empirischen Analyse verschoben. Das Gericht kann nicht mehr nur darauf achten, was das Modell theoretisch „ausgeben kann“, sondern auch analysieren, was es in der Praxis „normalerweise“ ausgibt, wie oft bestimmte Originalwerke wiedergegeben werden, welche Eingaben leicht zum Kopieren führen und ob diese Ausgaben das Verhalten der Nutzer beim Konsum von Inhalten tatsächlich verändert haben.

Aber dies führt auch zu neuen Problemen mit Beweismitteln.

Wie lange sollten KI-Unternehmen die Konversationen von Nutzern aufbewahren? Müssen Inhalte, die Nutzer bereits gelöscht haben, noch für Verfahren aufbewahrt werden? Wie können Millionen von Konversationen anonymisiert werden? Können die Kläger durchsuchbare strukturierte Daten erhalten? Können Modellanbieter die Übergabe von Daten unter Berufung auf Geschäftsgeheimnisse, Datenschutz und Verarbeitungskosten ablehnen? Wenn das System ständig aktualisiert wird, welches Protokoll welcher Version hat dann Beweiswert?

Eingabewörter, Modellversion, Aufrufquelle, abgerufene Inhalte und generierte Ergebnisse bilden gemeinsam die neuen elektronischen Beweismittel im KI-Zeitalter.

VI. Die Rechnung für KI-Urheberrecht kann nicht nur nach der Anzahl der Kopien berechnet werden

Die von Microsoft diesmal vorgelegten Daten können leicht dazu führen, dass man das KI-Urheberrechtsproblem als eine einfache Divisionsaufgabe versteht: 24 geteilt durch 8,2 Millionen, der Anteil ist fast vernachlässigbar – ist dann auch der Urheberrechtsschaden vernachlässigbar? Diese Berechnungsweise ist zu einfach.

Wenn sich der Streit auf das wortwörtliche Kopieren am Ausgabepfad des Modells bezieht, dann können die Anzahl der Wiedergaben, die Länge der Übereinstimmungen, die Größe der Nutzerbasis und der Grad der Ersetzung des Verkaufs von Originalwerken natürlich alle den Umfang der Rechtsverletzung und die Höhe der Entschädigung beeinflussen.

Aber wenn sich der Streit auf das unbefugte Kopieren von Werken in der Trainingsphase bezieht, ist die Berechnungseinheit möglicherweise nicht mehr die Anzahl der Ausgaben, sondern die Anzahl der genutzten Werke, der erzielten technischen und kommerziellen Vorteile und die Höhe der Trainingslizenzgebühren, die eigentlich gezahlt werden sollten.

Wenn sich der Streit auf die Retrieval-Augmented-Funktion bezieht, muss das Gericht auch unterscheiden, ob das Modell die Inhalte aus den Parametern „erinnert“ oder beim Beantworten von Fragen sofort Nachrichtenwebseiten, Datenbanken oder andere externe Inhalte abruft. Verschiedene technische Wege entsprechen unterschiedlichen Kopierhandlungen, Lizenzierungsweisen und Verantwortlichen und können nicht alle in die große Kategorie „Ist KI-Training eine angemessene Nutzung?“ gesteckt werden.