Neue Akten: Microsoft nennt KI-Scraping „Arbeitsdiebstahl“
Neue, gestrichene Gerichtsunterlagen im seit drei Jahren laufenden Urheberrechtsprozess des New York Times gegen OpenAI und Microsoft werfen ein kritisches Licht auf die Datenbeschaffung generativer KI. Aus den enthüllten Akten gehen interne Erkenntnisse hervor, die die rechtliche Einordnung des Trainings als faire Nutzung erheblich erschweren. Microsoft-CEO Satya Nadella sowie OpenAI-Führungskräfte bezeichneten die massenhafte Übernahme urheberrechtlich geschützter Texte als potenziell existenzielle Bedrohung für Verlage und Journalisten. Nach Darstellung der Klageschrift beschafften beide Unternehmen Trainingsdaten durch systematisches Scraping, wobei nachweislich Zahlungshürden umgangen und Copyright-Hinweise vor der Modellintegration entfernt wurden. Ein internes Memo des Microsoft-Wissenschaftsdirektors Brent Hecht aus dem Januar 2023 charakterisierte das Vorhaben als Diebstahl in einem einzigartigen Ausmaß und den größten Arbeitsdiebstahl der Geschichte. Hecht warnte zudem vor einer Abwärtsspirale, die sowohl die Modellleistung als auch die strukturelle Lebensgrundlage von Nachrichtenredaktionen gefährde. Die Analyse der Microsoft-Daten belegt, dass der KI-Antwortdienst Copilot die Weiterleitungen zur NYTimes-Domäne im Vergleich zur traditionellen Bing-Suche um bis zu neunzigdrei Prozent zurückgehen ließ. OpenAI-Präsident Greg Brockman erkannte unter Eid an, dass KI-gestützte Konversationen den direkten Besuch von Nachrichtenquellen ersetzen. Nick Turley von OpenAI diagnostizierte in internen Kommunikationen eine wachsende Substitutionsgefahr für Verlage. Die Enthüllungen widersprechen direkt den Kernargumenten der fairen-Nutzungs-Verteidigung, wonach KI-Anwendungen den ursprünglichen Märkten keinen schädlichen Ersatz bieten dürften. Zwar hatte die Trump-Regierung kürzlich eine Stellungnahme zugunsten des unregistrierten Datentrainings eingereicht, die neu vorliegenden internen Kommunikationen dokumentieren jedoch eine direkte Marktverdrängung. Technische Aufzeichnungen offenbaren zudem den Umfang der Datenanhäufung: Allein die mittleren Trainingsdatensätze von OpenAI enthalten über neunzigtausend Kopien von Publikationen der NYTimes, der Daily News und des Center for Investigative Reporting. Ein Common-Crawl-abgeleiteter Datensatz umfasste mehr als zwei Millionen Dokumente von nytimes.com. Für die Projekt-Taxi- und Projekt-Mango-Initiativen wurden mindestens 160.903 einzigartige Werke zusammengestellt, wobei Researcher wie Nick Ryder interne Chatvermerke über Paywall-Umgehungen mit der Resonanz ah nice des OpenAI-Chefs Brockman begegneten. Die Kläger werfen den Technologieunternehmen vor, die Urheberrechte systematisch zu umgehen, während beide Konzerne auf entsprechende Anfragen nach Stellungnahmen nicht reagiert haben. Die weiteren Verfahrensschritte und die rechtliche Einordnung des KI-Trainings bleiben weiterhin von der US-Justiz zu klären.
