Verlage eröffnen neue Front im Streit um KI-Trainingsdaten

Fünf große Buch- und Fachverlage sowie Bestsellerautor Scott Turow haben Meta und CEO Mark Zuckerberg wegen mutmaßlicher Urheberrechtsverletzungen im Zusammenhang mit dem Training der Llama-Modelle verklagt. Die am 5. Mai beim U.S. District Court for the Southern District of New York eingereichte Sammelklage trägt den Titel Elsevier Inc. et al. v. Meta Platforms, Inc. and Mark Zuckerberg und richtet sich gegen die angebliche Nutzung Millionen geschützter Werke ohne Zustimmung der Rechteinhaber.

Zu den Klägern gehören Elsevier, Cengage Learning, Hachette Book Group, Macmillan Publishers und McGraw Hill. Turow tritt in der Klage als Vertreter der Autorenseite auf. Nach Darstellung der Kläger ist dies die erste große Urheberrechtsklage von Verlagen gegen ein KI-Unternehmen.

Die Klageschrift erhebt mehrere Vorwürfe. Sie wirft Meta unter anderem vor, Bücher und Fachartikel über Torrenting aus Piratenquellen wie LibGen, Anna’s Archive und Sci-Hub bezogen und außerdem große Mengen an Web-Scrapes verarbeitet zu haben. Darüber hinaus soll Meta nach Darstellung der Kläger Copyright-Informationen aus den verwendeten Werken entfernt oder verändert haben, um die Herkunft der Trainingsdaten zu verschleiern.

Ein zentraler Punkt der Klage betrifft Metas angebliche Lizenzstrategie. Laut Complaint habe das Unternehmen zwischen Januar und April 2023 erwogen, sein Budget für Dataset-Lizenzen von 17 auf 200 Millionen Dollar zu erhöhen, und dabei auch Gespräche mit großen Verlagen geführt. Diese Bemühungen seien nach einer Eskalation bis zu Zuckerberg eingestellt worden. Ein Meta-Mitarbeiter wird in der Klage mit der Aussage zitiert, dass eine einzige Lizenz die spätere Fair-Use-Argumentation erschweren könnte.

Die Kläger sehen darin einen Hinweis darauf, dass Meta nicht auf einen Rechtsirrtum, sondern auf eine bewusste Entscheidung gegen Lizenzierung gesetzt habe. In der Klage heißt es, das Unternehmen habe stattdessen auf unautorisierte Kopien zurückgegriffen, um Llama zu trainieren.

Nach Angaben der Kläger beschaffte Meta seine Trainingsdaten aus zwei Richtungen. Einerseits sollen Datensätze wie Common Crawl, CCNet und C4 verwendet worden sein, die nach Klagevorbringen auch Inhalte von Piratenseiten und abonnementbasierten Diensten enthalten hätten. Andererseits soll Meta direkt aus Sammlungen wie LibGen, Anna’s Archive, Sci-Hub und Books3 kopiert haben.

Die Klage nennt dabei auch konkrete Mengen. Zwischen April und Juli 2024 soll Meta laut Complaint 134,6 Terabyte heruntergeladen und 40,42 Terabyte wieder hochgeladen haben. Insgesamt sei es um mehr als 267 Terabyte an kopierten Daten gegangen. Diese Angaben stammen aus der Klage und sind als Vorwürfe der Kläger zu verstehen.

Die Kläger argumentieren außerdem, dass Llama nicht nur bei der Datennutzung, sondern auch bei den Outputs den Markt für Bücher und Fachartikel beeinträchtige. In der Klageschrift ist von wortgleichen oder nahezu wortgleichen Ausgaben, Paraphrasen, Zusammenfassungen, Nachahmungen und unautorisierten Ableitungen die Rede. Das System wirke damit, so die Kläger, faktisch als ein Substitutionswerkzeug für urheberrechtlich geschützte Texte.

Zur Untermauerung nennt die Klage Beispiele wie ein prompt erzeugtes 100-Kapitel-Buch, sichtbare KI-Prompts in veröffentlichten Büchern und eine Studie zu mutmaßlich KI-generierten Titeln in Amazons „Success“-Subgenre. Die Kläger stellen diese Beispiele als Hinweise auf bereits eingetretene Marktschäden dar.

Gefordert werden unter anderem Schadensersatz, die Herausgabe von Gewinnen, Anwaltskosten sowie eine einstweilige Verfügung. Die Kläger wollen außerdem, dass Meta alle infringing copies unter gerichtlicher Aufsicht vernichtet. Vertreten werden sie von Oppenheim + Zebrak LLP, Debevoise & Plimpton LLP und Keller Rohrback L.L.P.

In Stellungnahmen der Klägerseite betonten die Verlage die Bedeutung des Urheberrechts als Grundlage für Kreativität, Bildung und wissenschaftliche Publikation. Auch die Authors Guild stellte sich hinter die Klage und würdigte Turows Rolle als Vertreter der Autoreninteressen.

Die Klage ist als Sammelklage angelegt und soll alle Rechteinhaber an registrierten Büchern und Fachartikeln erfassen, deren Werke Meta nach Darstellung der Kläger für Llama reproduziert oder verbreitet hat. Die Klassenperiode beginnt im Oktober 2022 und reicht nach Angaben der Kläger bis in die Gegenwart.

Der Fall reiht sich in eine wachsende Zahl juristischer Auseinandersetzungen über KI-Trainingsdaten ein. Während einige Unternehmen bereits Lizenzmodelle mit Rechteinhabern ausgehandelt haben, wird der Konflikt um die Nutzung urheberrechtlich geschützter Inhalte für generative KI nun auch von großen Verlagen offensiv vorangetrieben.