Anthropics 1,5-Milliarden-Dollar-Vergleich wegen Piraterie: Ein Rekordverlust und ein strategischer Sieg

Anthropic hat sich nach Vorwürfen, piratierte Datenbanken zum Training seiner Modelle genutzt zu haben, auf einen historischen Vergleich in Höhe von 1,5 Milliarden US-Dollar mit einer Gruppe von Buchautoren geeinigt. Während die massive Zahlung ein finanzieller Rückschlag ist, könnten die rechtlichen Nuancen des Falls tatsächlich einen bedeutenden Sieg für die gesamte KI-Branche in Bezug auf „Fair Use“ bedeuten.

Details des rekordverdächtigen Vergleichs

Ein Bundesgericht in San Francisco hat einen wegweisenden Vergleich genehmigt, nachdem Beweise ans Licht kamen, dass Anthropic zwischen 2021 und 2022 Bücher aus berüchtigten Piraterie-Datenbanken, insbesondere LibGen und PiLiMi, heruntergeladen hat. Das Ausmaß des Vergleichs ist in der Geschichte von Sammelklagen beispiellos und umfasst etwa 482.460 gelistete Werke.

Von den insgesamt beteiligten Werken wurden 91,3 Prozent erfolgreich von den Autoren geltend gemacht. Jeder Kläger wird etwa 3.000 US-Dollar erhalten – eine Summe, die das gesetzliche Minimum um das Vierfache übersteigt. Als Teil der rechtlichen Einigung ist Anthropic verpflichtet, die in diesem Zeitraum verwendeten piratierten Dateien zu vernichten. Entscheidend ist, dass der Vergleich dem Unternehmen keinen Freibrief ausstellt; Autoren behalten das Recht, Ansprüche geltend zu machen, falls KI-Ergebnisse Originalwerke reproduzieren oder falls die zukünftigen Datenerwerbspraktiken von Anthropic gegen das Urheberrecht verstoßen.

Eine Formalität, die die KI-Entwicklung begünstigt

Trotz des erschütternden Preises von 1,5 Milliarden US-Dollar ist der durch diesen Fall geschaffene Rechtspräzedenzfall überraschend vorteilhaft für KI-Labore. Der Vergleich befasst sich mit dem spezifischen Akt der Nutzung piratierter Quellen, trifft jedoch keine Entscheidung über die Rechtmäßigkeit des KI-Trainings an sich.

Richter Alsup hatte zuvor eine entscheidende Unterscheidung getroffen: Das Training von KI mit rechtmäßig erworbenen Büchern sei „transformativ – und zwar spektakulär“ und falle eindeutig unter die Doktrin des Fair Use. Diese Unterscheidung ist für Unternehmen wie OpenAI, Google und Meta von entscheidender Bedeutung. Sie legt nahe, dass zwar die Quelle der Daten (Piraterie vs. rechtmäßiger Erwerb) eine Haftung darstellt, der Prozess des Trainings eines Modells zum Verständnis von Sprache und Mustern jedoch rechtlich vertretbar ist.

Die ungeklärte Grenze des Massen-Scrapings

Während dieses Urteil Laboren, die mit massiven Datensätzen trainiert haben, eine Rettung bietet, ist der Rechtsstreit um den „rechtmäßigen Erwerb“ noch lange nicht vorbei. Die zentrale Frage bleibt: Stellt das massenhafte Scraping von Internetinhalten ohne ausdrückliche Zustimmung der Website-Betreiber einen rechtmäßigen Erwerb oder eine Urheberrechtsverletzung dar?

Dieser Vergleich verdeutlicht eine gespaltene rechtliche Realität für die KI-Branche. Unternehmen können massive Strafen vermeiden, indem sie sicherstellen, dass ihre Daten-Pipelines von bekannten Piraterie-Quellen bereinigt werden, stehen jedoch weiterhin vor einer unsicheren Landschaft hinsichtlich der Rechte von Web-Publishern und Content-Erstellern. Während KI-Labore weiter skalieren, wird das Spannungsfeld zwischen transformativem technologischem Fortschritt und geistigen Eigentumsrechten die bedeutendste rechtliche Hürde der Branche bleiben.

Wichtigste Erkenntnisse

• Rekordverdächtige Zahlung: Anthropic wird nach der Nutzung piratierter Datenbanken wie LibGen 1,5 Milliarden US-Dollar an Autoren zahlen, was den größten Urheberrechtsvergleich in der Geschichte von Sammelklagen darstellt.
• Fair-Use-Präzedenzfall: Das Gericht bestätigte, dass das Training von KI mit rechtmäßig erworbenen Daten „spektakulär transformativ“ ist, was einen wichtigen rechtlichen Schutzschild für legitimes KI-Training bietet.
• Datenintegrität ist entscheidend: Das Urteil betont, dass die Rechtmäßigkeit des KI-Trainings oft von der Herkunft der Trainingsdaten abhängt und nicht vom Trainingsprozess selbst.