Gibt es einen Unterschied zwischen der angemessenen Nutzung von KI und Destillationsmodellen? — Das Recht, „Lernen“ zu definieren

Im September 2026 gab die US-Regierung in zwei getrennten Rechtsfällen im Zusammenhang mit KI-Daten zwei völlig unterschiedliche Positionen ab:

Am 1. September reichte das US-Justizministerium beim Bundesgericht für den südlichen Bezirk von New York eine „Interessenerklärung“ ein, um die Behauptungen von OpenAI in den Urheberrechtsklagen von Verlagen wie der *New York Times* zu stützen – das Training von OpenAI sei „hochgradig transformativ“. Angesichts der Tatsache, dass die USA seit jeher „technologische Innovation und nationale Sicherheit“ schätzen, falle die Verwendung urheberrechtlich geschützter Texte zum Training großer Modelle unter die „hochgradig transformierende“ „faire Verwendung“, weshalb die Forderung, dass KI-Unternehmen Lizenzen für die zum Training verwendeten urheberrechtlich geschützten Inhalte beantragen, unter Umständen „inakzeptabel“ sei.

Am 8. September jedoch veröffentlichten die Nationale Sicherheitsbehörde der USA, die CISA, das FBI und weitere Stellen gemeinsam einen „Cybersicherheits-Beratungsbericht“, in dem behauptet wird, dass sechs chinesische Unternehmen über APIs in großem Umfang US-amerikanische Spitzenmodelle wie Claude und GPT „destillieren“, um „Milliarden von Tokens“ zu extrahieren, und dies als „böswillige, gezielte“ Fähigkeitsdiebstahl eingestuft wird.

Derselbe technologische Logik des „Lernens aus den Ausgaben anderer“ wird von US-Unternehmen beim Training mit menschlichen Werken als „Innovation“ bezeichnet, während sie bei chinesischen Unternehmen beim Lernen aus den Ausgaben US-amerikanischer Modelle als „Sicherheitsbedrohung“ eingestuft wird. Dies wirft drei zentrale Fragen auf:

1. Was ist der genaue Unterschied zwischen dem Training eines Modells und der Destillation eines Modells?

2. Beide Vorgehensweisen beruhen auf der nicht zustimmungsbedingten Nutzung der „Ergebnisse“ anderer. Gibt es rechtliche, technische oder andere Gründe für die unterschiedliche Behandlung?

3. Wie sollte das Recht auf groß angelegte Datenerhebung reagieren, einschließlich Inhalten, die von Menschen verfasst oder von Maschinen generiert wurden?

I. Training und Destillation: Gemeinsame technologische Wurzeln

KI-Modelle generieren entsprechende Ausgaben aus den „Eingaben“ der Nutzer über eine große Architektur numerischer Parameter (Gewichtungen). Da große Sprachmodelle teilweise Billionen von Parametern umfassen, müssen Entwickler den Prozess des „Trainings“ durchlaufen, um diese Gewichtungen festzulegen.

Das Wesen des KI-Modelltrainings besteht darin, seine Parameter mit riesigen Datenmengen (einschließlich Rohtexten, Code, Bildern, Videos und Audiodateien) anzupassen. Die Obergrenze der Leistungsfähigkeit eines KI-Modells hängt jedoch nicht von der „Menge“ der Trainingsdaten ab, sondern von der „Qualität“ der Trainingsdaten. Beim Aufbau von Trainingskorpora greifen Spitzenlabore nicht zufällig auf alle Inhalte im Internet zu, sondern wählen sorgfältig Werke aus, die durch wiederholte menschliche intellektuelle Arbeit verfeinert, redaktionell geprüft und von der Gesellschaft als wertvoll eingestuft wurden – also urheberrechtlich geschützte Bücher, Nachrichten, wissenschaftliche Arbeiten und Fachberichte. Im Gegensatz dazu tragen zufällige Äußerungen in sozialen Medien, Spam in Foren und Live-Kommentare in Kurzvideos trotz ihrer großen Menge nur sehr begrenzt zur Schlussfolgerungsfähigkeit von Modellen bei, da sie eine geringe Informationsdichte, schlechte logische Kohärenz und eine hohe Fehlerquote bei Tatsachen aufweisen.

Mit anderen Worten: Die KI, die mit urheberrechtlich geschützten Inhalten trainiert wurde, ist der KI, die mit nicht urheberrechtlich geschützten Inhalten trainiert wurde, in Bezug auf Wissenstiefe, logische Fähigkeit und Genauigkeit von Tatsachen weit überlegen. Genau aus diesem Grund riskiert OpenAI selbst Urheberrechtsverletzungen, um YouTube-Videos zu transkribieren – sie wissen genau, dass hochwertige urheberrechtlich geschützte Daten der eigentliche Treibstoff für die Intelligenz von Modellen sind.

Die „Destillation“ folgt einem ähnlichen Gedanken. Geoffrey Hinton, der als „Pate der künstlichen Intelligenz“ gilt, erklärt die „Destillations“-Technik als ein agiles „Schüler“-Modell, das trainiert wird, um das Verhalten eines komplexen „Lehrer“-Modells nachzuahmen. Der Schüler lernt das Universum nicht von Grund auf neu, sondern hört wiederholt die Darstellungen des Meisters und lernt, dessen Reaktionen nachzuahmen. Diese Methode führt zu schlankeren und schnelleren Modellen, die einen Großteil der ursprünglichen Genialität erfassen und gleichzeitig Latenzzeiten und Hosting-Kosten erheblich senken.

Daher ist die „Destillation“ im Wesentlichen eine spezielle Form des Trainings: Sie nutzt die Ausgabeverteilung, Schlussfolgerungsketten und Antwortbeispiele des „Lehrermodells“ als Überwachungssignale, um ein kleineres „Schülermodell“ zu trainieren, die Fähigkeiten des Lehrers schneller zu erreichen. Ihr Kern besteht nicht darin, Code zu kopieren oder urheberrechtlich geschützte Texte wortwörtlich zu übernehmen, sondern darin, das Verhaltensstatistik des großen Modells durch das kleine Modell anzunähern.

Die „Destillation“ ist keine einzelne Vorgehensweise, sondern eine Kernfähigkeit aller künstlichen Intelligenzen. Jedes große US-Labor verfügt über Erfahrung bei der Entwicklung solcher Modelle, um eine Generation leichter, schneller und energieeffizienterer Modelle zu trainieren. Alpaca von Stanford und Orca von Microsoft wurden mit Ausgaben größerer Modelle trainiert, und die Entwickler haben ihre Methoden offen mit der Forschungsgemeinschaft geteilt. Elon Musk bestätigte im April dieses Jahres unter Eid, dass xAI Grok auf den Ausgaben von OpenAI trainiert habe, und bezeichnete dies als „eine gängige Praxis unter KI-Unternehmen“.

Daher weisen Training und Destillation von Modellen mindestens drei gemeinsame rechtliche Wurzeln auf:

1. Beide beinhalten die Nutzung vorhandener Korpora „ohne individuelle Genehmigung der ursprünglichen Rechteinhaber“;

2. Beide erzeugen neue Parameter anstelle einer einfachen Nachbildung des ursprünglichen Werks;

3. Beide können einen Substitutionsdruck auf die ursprünglichen Marktteilnehmer ausüben.

II. Die Doppelseitigkeit des Rechts: Warum klagen US-KI-Unternehmen nicht?

Der grundlegendste Unterschied zwischen Training und Destillation von Modellen liegt im „Lernobjekt“: Das „Training“ richtet sich meist an menschliche Werke und öffentliche Webseiten, während die „Destillation“ an maschinengenerierten Ausgaben ausgerichtet ist.

Im Fall von OpenAI unterteilt das US-Justizministerium das Training in drei Phasen: „Datenerfassung – Modelltraining – Ausgabegenerierung“ und behauptet, dass die Trainingsphase aufgrund des Lernens von statistischen Regeln transformativ ist und keine direkte Substitution für Nachrichten darstellt, weshalb sie zur „fairen Verwendung“ tendiert.

Wendet man dieselbe Logik jedoch auf die Destillation an: Das Schülermodell lernt die Ausgabeverteilung des Lehrers und kopiert auch nicht den Code des Lehrers wortwörtlich, sodass es nach dem Kriterium der „Transformationsfähigkeit“ eine ähnliche Behandlung erhalten sollte. Stattdessen versehen US-Sicherheitsbehörden die „Destillation“ chinesischer Unternehmen mit zusätzlichen Verhaltensmerkmalen wie „betrügerische Konten, Vermittlungsknoten in der Mitte, Metadatenbereinigung, Extraktion von Gedankenketten“, um sie von einem Frage des geistigen Eigentums zu einem Problem der Cybersicherheit und nationalen Sicherheit zu erheben.

Diese Unterscheidung beantwortet jedoch keine grundlegende Frage: Warum kann das Training aus nicht zustimmungsbedingten menschlichen Ausgaben als „faire Verwendung“ bezeichnet werden, während das Lernen aus nicht zustimmungsbedingten Modellausgaben als „Diebstahl“ eingestuft wird?

US-Sicherheitsbehörden versuchen, die Destillation von Modellausgaben durch API-Aufrufe chinesischer Unternehmen als „Diebstahl von Geschäftsgeheimnissen“ einzustufen, was jedoch einen grundlegenden rechtlichen Widerspruch aufweist: Wenn eine Information über API-Schlüssel an zahlende Nutzer öffentlich verkauft wird, kann sie kaum die „Geheimhaltung“ erfüllen, die ein Geschäftsgeheimnis erfordert. Denn das Kernmerkmal eines Geschäftsgeheimnisses ist, dass es „der Öffentlichkeit nicht bekannt ist“, während die Kommerzialisierung selbst eine Offenlegung nach außen bedeutet. US-Gerichte haben bislang keine eindeutige Entscheidung über solche Fälle getroffen.

Daher ist die Bezeichnung der Destillation als „Diebstahl“ eher eine ideologische Erklärung als eine faktische Beschreibung des Rechts.

Gleichzeitig verstößt die Destillation offensichtlich gegen die Nutzungsbedingungen der Labore. OpenAI, Meta und Anthropic haben in ihren Nutzervereinbarungen ausdrücklich Klauseln festgelegt, die diese Vorgehensweise verbieten. Diese Klauseln untersagen ausdrücklich die Nutzung von Plattformausgaben, APIs oder Diensten, um Wettbewerbsmodelle durch jede Form von Destillation oder Reverse Engineering zu trainieren.

Also, warum klagen US-Labore nicht über die Destillation chinesischer Labore?

OpenAI, Anthropic und Microsoft haben alle die „Destillation“ chinesischer Modelle vorgeworfen, aber nie Klage eingereicht. Sie fürchten sich nicht davor, ihre Rechte geltend zu machen, sondern die Klage wegen Destillation ist für sie ebenfalls riskant. Wenn ein Gericht entscheidet, dass „Destillation“ inakzeptabel ist und Regeln für das Modelltraining festlegt, werden diese Regeln theoretisch auch die „Destillationsvorgänge“ einschränken, die US-Labore selbst häufig durchführen. Außerdem ist diese Entscheidung genau das, was Verlage, die derzeit US-KI-Unternehmen verklagen, am meisten wünschen – es wäre nichts anderes als sich selbst ins Knie zu schießen.

Denn obwohl sie sich beim US-Kongress als „Opfer“ beschweren, sind sie gleichzeitig „Beklagte“ in unzähligen Urheberrechtsverfahren: OpenAI hat mehr als eine Million Stunden an YouTube-Videos transkribiert, um GPT-4 zu trainieren, was offensichtlich gegen die Bestimmungen von YouTube verstößt, die automatische Erfassung verbieten; unter einem geheimen Projekt namens „Panama-Programm“ kaufte und zerstörte Anthropic Millionen von alten und gebrauchten Büchern, um Modelle zu trainieren, und lud Millionen von E-Books von Schattenbibliotheken wie LibGen herunter, die normalerweise hinter einer Paywall stehen und urheberrechtlich eingeschränkt sind.

III. Die rechtliche Lücke der Doppelmoral

Die US-Regierung behauptet, dass das Training von KI-Modellen mit fremden Werken ohne Genehmigung äußerst fair ist, sodass Lizenzanforderungen Innovationen zerstören würden; gleichzeitig behauptet sie, dass das Training von KI-Modellen auf Basis der Ausgaben fremder Modelle ohne Genehmigung ein Akt der industriellen Plünderung ist, der eine ernsthafte Bedrohung für die nationale Sicherheit darstellt.

Aber diese beiden Aussagen können nicht gleichzeitig wahr sein.

Entweder sollten die Trainingskorpora von KI-Systemen rechtlich geschützt werden – in diesem Fall können Schriftsteller, Musiker, Künstler und Programmierer, auf die sich US-Modelle stützen, die Ansprüche geltend machen, die das Justizministerium abgelehnt hat. Oder diese KI-Trainingskorpora sind im Namen der Unterstützung von „Innovation“ selbst nicht rechtlich geschützt – dann ist die von chinesischen Laboren durchgeführte „böswillige und gezielte“ Destillation akzeptabel und hat keine Folgen.

Die USA wenden zwei asymmetrische Logiken von „Toleranz oder Verschärfung“ für KI-Daten an. Einerseits behauptet das Justizministerium auf der Trainingsphase, die sich an urheberrechtlich geschützten menschlichen Werken richtet, dass die faire Verwendung mit dem Kern der Transformationsfähigkeit und Nicht-Substitution angewendet werden soll, und tendiert dazu, das „Lernen von statistischen Regeln menschlicher Ausdrücke“ von der lizenzierten Vervielfältigung zu befreien. Andererseits richtet sich die Destillationsphase an den Ausgaben eigener Modelle. Da rein KI-generierte Inhalte normalerweise nicht urheberrechtlich geschützt sind, verbieten die USA das erneute Training über API-Verträge, schützen nicht veröffentlichte Fähigkeiten und Ausrichtungsinformationen über Geschäftsgeheimnisse, bekämpfen gefälschte Konten und Umgehungsmaßnahmen über Zugriffsregeln im Stil des CFAA und definieren die Massendestillation als böswillige Extraktion im Namen der nationalen Sicherheit.

Das heißt, während menschliche Werke in den Bereich der fairen Verwendung gedrängt werden, werden maschinelle Antworten in den Bereich des Vertrags- und Geheimnisschutzes verschoben. Die Schutzintensität auf beiden Seiten steht im Widerspruch zu den Eigenschaften der Schutzobjekte, aber alle politischen Vorteile fließen an dieselbe Gruppe von US-KI-Laboren – dies spiegelt auch den Trend der USA wider, Datenrechte nach industriellen Interessen zuzuweisen.

Es ist bemerkenswert, dass die US-Regierung keine neuen Gesetze oder Vorschriften zur Verhinderung von Destillation vorgelegt hat. Der konkreteste Vorschlag, den sie gemacht hat, lautet: US-amerikanische Spitzenlabore können „die Ausgabequalität heimlich senken“ – also absichtlich verschlechterte Antworten an APIs zurückgeben, die von chinesischen Unternehmen aufgerufen werden, anstatt verdächtige Konten direkt zu sperren, damit die Gegenseite nicht merkt, dass sie entdeckt wurde.

Diese Vorgehensweise der „heimlichen Veränderung von Ausgaben“ legt genau das grundlegende Problem offen, dem sich die US-Regierung nicht stellen will: Welche Art von Modellausgaben sollte rechtlich geschützt werden? Unter welchen Bedingungen dürfen sie rechtmäßig verwendet werden? Ohne die Beantwortung dieser Fragen sind alle Vorwürfe nur vorübergehende Ausreden.

Die Bedeutung der Analyse dieses Destillations-Paradoxons liegt nicht nur darin, die Heuchelei von US-Laboren aufzudecken, die einerseits Modelle mit den Forschungsergebnissen der ganzen Welt trainieren und andererseits andere des Plagiats beschuldigen. Es macht vielmehr deutlich, dass die US-Regierung selbst noch keine klare Vorstellung davon hat, ob sie Destillation im Namen der nationalen Sicherheit verbieten soll oder sie im Namen der Innovationsförderung erlauben soll.

【Original-Link:

https://www.lawfaremedia.org/article/the-ai-model-distillation-paradox】

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Internet Law Review“, Autorin: Lisa Klaassen, veröffentlicht mit Genehmigung von 36Kr.