Vollständiger Überblick über die Compliance von Trainingsdaten großer Modelle: Drei Kernrisiken aus Urheberrecht, personenbezogenen Daten und Geschäftsgeheimnissen sowie praktische Umsetzungswege

Der Fähigkeitssprung der generativen KI wird im Wesentlichen durch „Füttern“ mit massiven Trainingsdaten erreicht. Die geltenden Regeln für Immaterialgüterrechte und Datenschutz sind jedoch nicht für Szenarien des groß angelegten maschinellen Lernens konzipiert. Die Kluft zwischen System und Technik macht die Konformität von Trainingsdaten zu einem Damoklesschwert, das über allen Entwicklern von Großmodellen schwebt.

Zwischen 2025 und 2026 gab es in den USA, Deutschland, China und anderen Orten nacheinander markante Fälle im Zusammenhang mit Urheberrechtsverletzungen bei KI-Trainingsdaten. Von der Sammelklage US-amerikanischer Schriftsteller gegen sechs große KI-Hersteller, der Feststellung des Münchner Gerichts, dass die unbefugte Nutzung von Liedtexten zum Training durch OpenAI eine Verletzung darstellt, bis zur Entscheidung des Shanghaier Gerichts für Immaterialgüterrechte über den ersten inländischen Fall von Urheberrechtsverletzung bei KI-Großmodellen zeichnet die globale justizielle Praxis schrittweise die rechtlichen Grenzen von Trainingsdaten ab.

Dieser Artikel analysiert die Verletzungsrisiken und Konformitätswege von Trainingsdaten aus drei Kern Dimensionen: Dritturheberrecht, personenbezogene Daten, Patente und Geschäftsgeheimnisse, und baut schließlich ein systematisches Konformitätsframework auf.

Dritturheberrecht: Die umstrittene Grenze zwischen Verletzungsrisiko und angemessener Nutzung

(1) Der Trainingsvorgang selbst kann bereits das Risiko einer Verletzung des Vervielfältigungsrechts auslösen

Der grundlegende Schritt des Großmodelltrainings besteht darin, massive Daten wie Texte, Bilder, Audio- und Videodaten auf Trainingsserver zu kopieren, um Vorverarbeitung und Modelliteration durchzuführen. Dieser „Vervielfältigungsvorgang“ fällt selbst in den Geltungsbereich des durch Artikel 10 des Urheberrechtsgesetzes geregelten Vervielfältigungsrechts. Wenn die Trainingsdaten urheberrechtlich geschützte Werke enthalten und der Entwickler keine Zustimmung der Rechteinhaber einholt, besteht ein direktes Verletzungsrisiko.

(2) Angemessene Nutzung: Die umstrittenste rechtliche Lücke

Ob die Nutzung urheberrechtlich geschützter Werke für das Großmodelltraining eine „angemessene Nutzung“ darstellen kann, ist derzeit der Kern der Branchenkontroverse. Das chinesische Urheberrechtsgesetz nach Artikel 24 verwendet ein gesetzgebendes Modell der geschlossenen Aufzählung und legt dreizehn Nutzungsfälle klar fest, die keine Zustimmung erfordern und keine Vergütung zahlen. Die technischen Eigenschaften des Großmodelltrainings lassen sich jedoch kaum direkt in einen dieser Fälle einordnen. In der Branche gibt es die Ansicht, dass dieser Vorgang „weder direkt als „angemessene Nutzung“ eingestuft noch erweitert als „gesetzliche Lizenz“ ausgelegt werden kann“, und die rechtliche Qualifikation weist eine hohe Unsicherheit auf.

(3) Drei Arten von Konformitätswegwahlen

Angesichts der Unsicherheit des Systems der angemessenen Nutzung können Entwickler von Großmodellen die Urheberrechtskonformitätssysteme über drei Wege aufbauen:

Erstens: Das Genehmigungs- und Lizenzmodell. Schließen Sie Lizenzvereinbarungen mit Urheberrechtsinhabern und Urheberrechtskollektivverwaltungen ab, um das rechtmäßige Nutzungsrecht der Trainingsdaten zu erwerben. Dies ist der rechtlich sicherste Weg, stößt in der Realität jedoch auf Hindernisse wie verstreute Rechteinhaber, hohe Verhandlungskosten und geringe Effizienz.

Zweitens: Priorisieren Sie die Nutzung von Open-Source- und Gemeinfreiheitsdaten. Wählen Sie vorrangig Werke, die bereits in die Gemeinfreiheit eingegangen sind, und öffentliche Datensätze mit Open-Source-Lizenzvereinbarungen aus, um Urheberrechtsrisiken von der Quelle aus zu vermeiden.

Drittens: Technische Konformitätsmaßnahmen. Führen Sie Urheberrechtsscreening in der Phase der Datenvorverarbeitung durch, um Inhalte zu vermeiden, die explizit als „für KI-Training verboten“ markiert sind; reduzieren Sie das Risiko von Überanpassung durch technische Mittel in der Trainings- und Ausgabephase, um das „Gedächtnis“ und die Wiedergabe spezifischer urheberrechtlich geschützter Werke durch das Modell zu verringern.

Personenbezogene Daten: Die rechtmäßige Grenze der Datenverarbeitung

(1) Trainingsdaten weisen von Natur aus Risiken für personenbezogene Daten auf

Die meisten Trainingsdaten von Großmodellen werden aus dem Internet erfasst, darunter unvermeidlich personenbezogene Daten wie Namen, Kontaktinformationen, biometrische Informationen und Verhaltensspuren, sogar sensible personenbezogene Daten wie Gesichter und Gesundheitsinformationen. Sobald diese Informationen in den Trainingsdatensatz gelangen, stellen sie eine „Verarbeitungshandlung personenbezogener Daten“ dar, die durch das Gesetz zum Schutz personenbezogener Daten reguliert wird, und lösen alle Konformitätspflichten aus.

(2) Die praktischen Schwierigkeiten der Rechtsanwendung

Gemäß Artikel 13 des Gesetzes zum Schutz personenbezogener Daten muss die Verarbeitung personenbezogener Daten eine der folgenden rechtmäßigen Grundlagen erfüllen: (1) Einholung der Zustimmung der betroffenen Person; (2) Notwendigkeit für den Abschluss oder die Erfüllung eines Vertrags; (3) Notwendigkeit für die Erfüllung gesetzlicher Pflichten oder gesetzlicher Verpflichtungen; (4) Notwendigkeit für die Bewältigung von Notfällen im öffentlichen Gesundheitswesen oder anderen Notfällen; (5) Verarbeitung personenbezogener Daten in einem angemessenen Umfang für Handlungen wie Nachrichtenberichterstattung und öffentliche Meinungsüberwachung im öffentlichen Interesse; (6) Verarbeitung von personenbezogenen Daten, die die betroffene Person selbst veröffentlicht hat oder die anderweitig rechtmäßig veröffentlicht wurden, in einem angemessenen Umfang gemäß den Bestimmungen dieses Gesetzes; (7) Andere Fälle, die durch Gesetze oder Verwaltungsvorschriften festgelegt sind.

Für das Großmodelltraining gilt jedoch:

Die Einholung der Zustimmung jedes einzelnen Subjekts von Informationen in massiven Daten ist praktisch kaum durchführbar;

Für veröffentlichte personenbezogene Daten gibt es derzeit keine klaren justiziellen oder vollzugsrechtlichen Standards, wie der „angemessene Umfang“ definiert wird und ob das Großmodelltraining in diesen Umfang fällt.

Einige Wissenschaftler schlagen vor, dass für veröffentlichte personenbezogene Daten der „Veröffentlichungszweck“ durch eine großzügige Auslegung in den verarbeitbaren Bereich einbezogen werden kann; für unveröffentlichte personenbezogene Daten muss die Zustimmung der betroffenen Person weiterhin als Quelle der Rechtmäßigkeit dienen.

(3) Kernkonformitätswege

Erstens: Konformitätsprüfung der Datenquelle. Führen Sie Quellprüfung und Risikobewertung in der Datenerfassungsphase durch, filtern Sie Daten aus unrechtmäßigen Quellen heraus und identifizieren und kontrollieren Sie vorrangig sensible personenbezogene Daten.

Zweitens: Anonymisierung und Desensibilisierungsbehandlung. Führen Sie Anonymisierungs- oder Desensibilisierungsbehandlung für personenbezogene Daten in der Vorverarbeitungsphase durch, um den Standard zu erreichen, dass bestimmte natürliche Personen nicht identifiziert werden können und die Daten nicht wiederhergestellt werden können, sodass sie nicht mehr in den Regulierungsbereich personenbezogener Daten fallen.

Drittens: Erfüllen Sie die Pflicht der „Benachrichtigung – Zustimmung“ gemäß dem Gesetz. In Szenarien, in denen die Verarbeitung personenbezogener Daten unbedingt erforderlich ist, befolgen Sie streng die Grundsätze der Rechtmäßigkeit, Angemessenheit, Minimierung, Offenheit und Transparenz, erfüllen Sie die Benachrichtigungspflicht und erhalten Sie die entsprechende Zustimmung.

Patente und Geschäftsgeheimnisse: Risiken und Schutz mit doppelter Ausrichtung

Das Thema Patente und Geschäftsgeheimnisse bei Trainingsdaten von Großmodellen weist eine typische „doppelte Ausrichtung“ auf: Es muss nicht nur verhindert werden, dass die Verletzung durch die Aufnahme technischer Informationen Dritter in die Daten entsteht, sondern auch der Schutz der Immaterialgüterrechte der eigenen Kerntechnik gut umgesetzt werden.

(1) Verletzungsrisiko: Unbefugter Erwerb technischer Informationen Dritter

Wenn die Trainingsdaten Inhalte wie patentierte technische Lösungen Dritter, unveröffentlichte wissenschaftliche Forschungsergebnisse und unternehmenseigene technische Dokumente enthalten, kann dies eine Verletzung des Patentrechts Dritter darstellen oder Geschäftsgeheimnisse durch unbefugte Mittel erwerben, was gegen die einschlägigen Bestimmungen von Artikel 9 des Gesetzes gegen unlauteren Wettbewerb verstößt.

(2) Eigen Schutz: Geheimhaltungsanordnung der Kerntechnik

Aus Sicht des eigenen Schutzes von Unternehmen können die Kernvermögenswerte von Großmodellen – einschließlich des Modellentwurfs, der Filterregeln für Trainingsdaten, der Konfigurationslogik von Hyperparametern und des Merkmalsextraktionsalgorithmus – durch das System der Geschäftsgeheimnisse geschützt werden.

Im Gegensatz zur festen Schutzfrist von Patenten und Urheberrechten haben Geschäftsgeheimnisse keine gesetzliche Schutzfrist. Solange die Informationen stets geheim gehalten werden, können sie kontinuierlich geschützt werden.

(3) Konformitäts- und Schutzwege

Erstens: Screening der Datenquelle. In der Phase der Datenerfassung und Vorverarbeitung screenen Sie möglicherweise in den Daten enthaltene patentierte technische Informationen und unveröffentlichte technische Dokumente, um den unbefugten Erwerb technischer Geheimnisse Dritter zu vermeiden.

Zweitens: Aufbau eines Geheimhaltungsmanagementsystems. Treffen Sie abgestufte Geheimhaltungsmaßnahmen für eigene Kernalgorithmen, Trainingsdaten, Parameterkonfigurationen usw., einschließlich der Unterzeichnung von Geheimhaltungsvereinbarungen, der Einrichtung von Zugriffsrechten und des Aufbaus eines abgestuften Informationsmanagementsystems.

Drittens: Strategiewahl zwischen Patentanordnung und Geschäftsgeheimnis. Für technische Lösungen, die leicht durch Reverse Engineering erfasst werden können, wählen Sie vorrangig den Patentschutz; für interne technische Logik, die von außen nur schwer entschlüsselt werden kann, kann vorrangig der Schutz durch Geschäftsgeheimnisse angewendet werden.

Systematische Konformität: Klassifizierte Verwaltung + phasenweise Steuerung

Die Immaterialgüterrechtskonformität von Trainingsdaten für Großmodelle kann nicht durch ein einzelnes Rechtsinstrument oder einen einzelnen Weg gelöst werden. Es ist erforderlich, ein umfassendes Framework der „klassifizierten Verwaltung und phasenweisen Steuerung“ aufzubauen.

(1) Klassifizierte Verwaltung: Konformitätsstrategien passend zum Datentyp

Verschiedene Arten von Trainingsdaten entsprechen unterschiedlichen rechtlichen Regelungen, und differenzierte Konformitätsstrategien sollten angewendet werden:

Urheberrechtlich geschützte Werke: Wählen Sie vorrangig lizenzierte Daten oder Open-Source-/Gemeinfreiheitsdaten aus, und bewerten Sie sorgfältig das rechtliche Risiko der unbefugten Nutzung, solange die Regeln für die angemessene Nutzung noch nicht klar sind.

Personenbezogene Daten: Wählen Sie Anonymisierung und Desensibilisierung als bevorzugte Lösung aus, und erfüllen Sie streng gesetzliche Verfahren und Einflussbewertungen, wenn die Verarbeitung unbedingt erforderlich ist.

Patentierte technische Informationen und Geschäftsgeheimnisse: Bauen Sie einen regelmäßigen Screening-Mechanismus für Datenquellen auf und verbessern Sie gleichzeitig das eigene Schutzsystem für Geschäftsgeheimnisse.

(2) Phasenweise Steuerung: Abdeckung des gesamten Lebenszyklus von Daten

Die Datenkonformität sollte den gesamten Prozess der Datenerfassung, Vorverarbeitung, des Trainings, der Bereitstellung und der Ausgabe durchdringen:

Erfassungsphase: Überprüfen Sie die Rechtmäßigkeit der Datenquelle und bewerten Sie gleichzeitig drei Arten von Risiken: Urheberrecht, personenbezogene Daten und technische Informationen.

Vorverarbeitungsphase: Implementieren Sie Maßnahmen wie Urheberrechtsscreening, Anonymisierung personenbezogener Daten und Desensibilisierung technischer Informationen.

Trainingsphase: Stellen Sie sicher, dass der Trainingsprozess den Regeln für Immaterialgüterrechte entspricht, und verfolgen Sie kontinuierlich die justizielle Dynamik von Systemen wie der angemessenen Nutzung.

Bereitstellungs- und Ausgabephase: Verhindern Sie, dass die Modellausgabe urheberrechtlich geschützte Werke Dritter, personenbezogene Daten oder geheime technische Lösungen wiedergibt.

Schlussfolgerung

Die Immaterialgüterrechtskonformität von Trainingsdaten für Großmodelle ist eine institutionelle Schwelle, die die hochwertige Entwicklung der KI-Industrie unbedingt überwinden muss. Derzeit gibt es in drei Dimensionen: Dritturheberrecht, personenbezogene Daten, Patente und Geschäftsgeheimnisse unterschiedlich große Lücken in der Versorgung durch geltende Gesetze. Um dieser Herausforderung zu begegnen, ist es sowohl erforderlich, die Institution auf legislativer Ebene in Kombination mit der technischen Entwicklung zu verbessern, als auch für Unternehmen, ein sorgfältiges Konformitätssystem innerhalb des geltenden Rechtsrahmens aufzubauen. Gleichzeitig klärt die justizielle Praxis die rechtlichen Grenzen schrittweise in einzelnen Fällen. Nur wenn ein dynamisches Gleichgewicht zwischen Innovationsanreizen und Rechtsschutz gefunden wird, kann die organische Einheit zwischen der Entwicklung der KI-Industrie und der Rechtsordnung erreicht werden.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „zhichanli“ (ID: zhichanli), Autor: SUI Jingxuan, veröffentlicht mit Genehmigung von 36Kr.