KI und Musik: Wem gehört ein Lied, das niemand geschrieben hat?

Sofia braucht drei Monate, um ein Lied zu komponieren. Marco braucht 30 Sekunden mit Suno, um das gleiche Ergebnis zu erzielen. Aber wem gehört dieses Lied? Wäh

Sofia ist eine unabhängige Komponistin. Sie hat fünfzehn Jahre damit verbracht, Harmonielehre zu studieren, unendliche Stunden am Klavier, schlaflose Nächte, um die richtige Melodie zu finden. Ihr letzter Song hat drei Monate gedauert: Schreiben, Umschreiben, Arrangement, Produktion. Sie hat ihn auf Spotify veröffentlicht. Zweihundert Streams im ersten Monat.

Marco hat Suno geöffnet. Er hat einen Prompt geschrieben: "Melancholischer Pop-Ballade, weibliche Stimme, Thema Liebeskummer, Stil Billie Eilish". Dreißig Sekunden später: kompletter Song, professionelle Produktion, überzeugend emotionale Stimme. Er hat ihn auf Spotify hochgeladen. Fünftausend Streams im ersten Monat.

Marlos Song klingt fast identisch mit dem von Sofia. Gleiche Stimmung, gleiche Struktur, gleiche emotionale Zielrichtung. Aber Marco kann kein Instrument spielen. Er hat keine Musiktheorie studiert. Er weiß nicht, was eine Modulation in die Quarte ist. Er hat nur einen englischen Satz geschrieben.

Wer ist der Autor von Marcos Song? Er, der den Prompt geschrieben hat? Suno, das den Algorithmus trainiert hat? Die Künstler, deren Songs das Modell ohne Zustimmung trainiert haben? Die Frage ist nicht akademisch. Sie steht im Zentrum eines milliardenschweren Rechtsstreits, der gerade neu definiert, was es bedeutet, Musik im Zeitalter der künstlichen Intelligenz zu erschaffen, zu besitzen und davon zu leben.

Die Explosion algorithmischer Musik

Musik-KI ist keine Laborexperimente mehr. Es ist eine aktive, schnell wachsende Industrie mit Millionen Nutzern. Suno AI hat über 10 Millionen Songs generiert in wenigen Monaten. Udio, direkter Konkurrent, ähnliche Zahlen. ChatGPT kann jetzt Musik generieren. Stable Audio produziert personalisierte Tracks in Sekunden.

Die dahinterstehende Technologie ist ausgeklügelt, aber konzeptionell einfach: Generative Modelle, die mit Millionen existierender Songs trainiert wurden. Der Algorithmus analysiert melodische, harmonische, klangfarbliche und strukturelle Muster. Er lernt, "wie" ein Pop-Ballade, ein Blues, ein Jazz-Stück klingt. Wenn der Nutzer beschreibt, was er will, generiert das Modell neues Audio, indem es die gelernten Muster synthetisiert.

Kritischer Unterschied zur traditionellen Musik-Synthese: Diese Systeme verwenden keine programmierten Synthesizer oder Sampler. Sie generieren die Audio-Wellenform direkt, imitieren den Stil, den Klang, sogar die menschliche Stimme mit beunruhigendem Realismus. Das Ergebnis klingt "von Menschen gemacht", weil es mit von Menschen gemachter Musik trainiert wurde.

Und hier beginnen die Probleme. Diese Millionen Songs, die für das Training verwendet wurden? Sie wurden nicht für diesen Zweck freigegeben. Die Künstler haben keine Erlaubnis gegeben. Die Plattenfirmen haben keine Rechte lizenziert. Die Komponisten wurden nicht entschädigt.

Es ist das musikalische Äquivalent dazu, alle Gemälde eines Museums zu fotografieren, sie mit KI zu analysieren und dann "neue Gemälde im Stil der Meister" zu generieren, ohne die ursprünglichen Autoren jemals zu bezahlen oder zu fragen. Technisch möglich. Rechtlich umstritten. Ethisch verheerend.

Wie im Artikel über KI und Urheberrecht diskutiert, wenn der Algorithmus das Werk generiert, brechen die traditionellen Kategorien der Urheberschaft zusammen.

Der Fall RIAA vs Suno/Udio: Die Mutter aller Schlachten

Juni 2024: die Recording Industry Association of America (RIAA) verklagt Suno und Udio wegen massiver Urheberrechtsverletzung. Die Major-Labels (Universal, Sony, Warner) vereint gegen die Musik-KI-Startups. Es ist kein routinemäßiger Rechtsstreit. Es ist ein existenzieller Kampf um die Zukunft der Industrie.

Die Anschuldigungen sind verheerend:

1. Training mit Millionen geschützter Songs ohne Lizenz RIAA behauptet, Suno und Udio hätten massenhaft urheberrechtlich geschützte Musik heruntergeladen – einschließlich Songs von YouTube via "Stream-Ripping" – um die Modelle zu trainieren. Millionen Songs, von Taylor Swift bis zu den Beatles, von Drake bis Beyoncé, verwendet ohne Erlaubnis, ohne Vergütung, ohne die Autoren auch nur zu informieren.

Suno und Udio bestreiten nicht, existierende Musik für das Training verwendet zu haben. Sie behaupten, es sei "Fair Use" – zulässige Nutzung für transformative, bildende Zwecke. Ein komplexes, aber wackeliges juristisches Argument, wenn das Endergebnis ein kommerzielles Produkt ist, das direkt mit den Originalen konkurriert.

2. Generierung von Outputs, die Urheberrechte verletzen Nicht nur das Training ist problematisch. Die Outputs selbst verletzen Rechte. Von der RIAA durchgeführte Tests zeigen, dass Suno mit den richtigen Prompts Tracks generiert, die fast identisch mit geschützten Hitsongs sind – gleiche Melodien, gleiche Akkordfolgen, gleiche erkennbare Hooks.

Nicht "im Stil von", sondern "Kopie von". Es ist, als hätte der Algorithmus die populärsten Songs auswendig gelernt und sie mit minimalen Variationen wieder ausgespuckt. Direkter Urheberrechtsverstoß, keine Interpretationsfrage.

3. Unlauterer Wettbewerb mit bestehenden Katalogen Suno bietet ein Abonnement für 10$/Monat für unbegrenzte personalisierte Musik an. Spotify kostet 10$/Monat, um existierende Musik zu hören. Aber die Musik auf Spotify hat Autoren, Produzenten, Labels entschädigt. Die Musik von Suno nicht.

Es ist direkter Wettbewerb basierend auf Kosten, die durch systematische Rechtsverletzung auf Null gesetzt wurden. Wirtschaftliches Dumping ermöglicht durch industriellen Diebstahl geistigen Eigentums. Schwer zu konkurrieren, wenn der Konkurrent das Rohmaterial nicht bezahlt, das du kaufen musstest.

Suno hat dem Gericht geantwortet und die "Stream-Ripping"-Vorwürfe als strategischen "Gambit" der Major-Labels zurückgewiesen, um ihr Oligopol zu schützen. Es behauptet, die Labels fürchteten Innovation, das Urheberrecht gelte nicht für automatisches Training, die KI-Generierung sei ausreichend transformativ, um ein neues Werk darzustellen.

Aber US-Gerichte haben begonnen, das verallgemeinerte Fair-Use-Argument zurückzuweisen: Der Fall Thomson Reuters vs Ross (November 2024) entschied, dass "die Nutzung geschützter Inhalte zum KI-Training ohne Erlaubnis KEIN Fair Use ist". Ein bedeutendes Präzedenz, das die rechtliche Verteidigung generativer Plattformen schwächt.

Auch die deutsche GEMA hat Suno und OpenAI verklagt wegen fehlender Vergütung für Autoren und Texte, die zum Trainieren der Modelle verwendet wurden. Der Rechtsstreit globalisiert sich schnell.

Wie im Artikel über KI und ethische generative Kunst hervorgehoben, wenn Technologie Werke generiert, die auf unbezahlter Arbeit anderer basieren, geht die ethische Frage der rechtlichen voraus.

Wer ist der Autor, wenn der Autor ein Algorithmus ist?

Aber selbst wenn wir das Trainingsproblem lösen – stellen wir uns vor, alle Plattformen zahlten Lizenzen für die Daten – bliebe die tiefgreifende philosophische Frage: Wem gehört der generierte Song?

Eine US-Rechtsanalyse geht das Problem an: Das US Copyright Office verlangt "menschliche Urheberschaft" – nur Menschen können Autoren sein. KI kann kein Urheberrecht besitzen. Aber das schafft absurde Situationen:

Szenario 1: Der Prompt-Nutzer ist der Autor Marco hat "melancholischer Pop-Ballade" geschrieben. Reicht das für Urheberschaft? Hat er Kreativität ausgeübt? Künstlerische Entscheidungen getroffen? Oder hat er nur generische Anweisungen gegeben, die jeder Nutzer hätte geben können?

Wenn der Prompt Urheberschaft begründet, dann wird jeder, der "male einen roten Sonnenuntergang" an DALL-E schreibt, zum Autor eines Gemäldes. Die Schwelle für Kreativität sinkt dramatisch. Urheberrecht wird automatisch, trivial, inflationär.

Szenario 2: Das Unternehmen, das das Modell entwickelt hat, ist der Autor Suno hat den Algorithmus programmiert, die Daten gesammelt, das Modell trainiert. Das ist bedeutende intellektuelle Arbeit. Vielleicht sollte Suno das Urheberrecht an allem besitzen, was das System generiert?

Aber dann besitzt Suno Millionen von Songs, die von ahnungslosen Nutzern generiert wurden. Eine monströse Konzentration intellektueller Macht in den Händen einer einzigen Tech-Korporation. Algorithmisches Kreativmonopol.

Szenario 3: Die Künstler, die die Trainingsdaten geliefert haben, sind Co-Autoren Die Modelle erschaffen nicht aus dem Nichts. Sie synthetisieren Muster, die von existierender Musik gelernt wurden. Diese Musik ist die Arbeit Tausender menschlicher Musiker. In gewissem Sinne ist jeder Output ein kollektives, von allen Trainingsinputs abgeleitetes Werk.

Sollten sie Vergütung, Anerkennung, Rechte erhalten? Wie berechnet man den individuellen Beitrag, wenn der Algorithmus Millionen Songs vermischt hat? Wie verteilt man Tantiemen, wenn das Modell von den Beatles, Beyoncé und Sofia, der unabhängigen Komponistin mit 200 Streams, "gelernt" hat?

Szenario 4: Niemand ist der Autor – automatisch Public Domain Wenn keine klar identifizierbare menschliche Urheberschaft vorliegt, ist das generierte Werk nicht urheberrechtlich geschützt. Es fällt automatisch in die Public Domain. Jeder kann es nutzen, verändern, weiterverkaufen.

Interessantes Szenario für kreative Commons, aber verheerend für jeden, der monetarisieren möchte. Marco könnte "seinen" Song nicht vor unerlaubter kommerzieller Nutzung schützen. Aber Sofia kann ihren auch nicht schützen – wenn Marco die Melodie kopiert, indem er sie mit Suno generiert, ist sie technisch gesehen Public Domain?

Eine europäische Thesis behandelt die Probleme geistigen Eigentums in der Musikindustrie: Der EU-Regulierungsrahmen ist noch fragmentierter als in den USA. Einige Mitgliedsstaaten erkennen Rechte an "computererzeugten Werken" für denjenigen an, der die "notwendigen Anordnungen" getroffen hat. Andere nicht. Lähmende rechtliche Unsicherheit.

Wie im Artikel über KI und Versicherungen diskutiert, wenn Algorithmen Entscheidungen treffen, die individuelle Rechte beeinflussen, braucht es einen klaren rechtlichen Rahmen. In der Musik existiert dieser Rahmen noch nicht.

Die Ethik des Trainings: Zustimmung, Vergütung, Kontrolle

Aber lassen wir die rechtliche Komplexität der Urheberschaft beiseite. Kehren wir zur unmittelbareren Frage zurück: Ist es ethisch, Modelle mit der Arbeit anderer ohne Erlaubnis oder Vergütung zu trainieren?

Über 10.000 Musikprofis haben einen Aufruf unterzeichnet gegen die unlizenzierte Nutzung von Werken zum Trainieren generativer Modelle. Die Position ist klar: Training mit urheberrechtlich geschützten Werken ohne ausdrückliche Zustimmung ist industrieller Diebstahl geistigen Eigentums, maskiert als technologische Innovation.

Hauptargumente:

1. Verletzung des moralischen Rechts des Autors Auch wenn rechtlich diskutabel, verletzt die Nutzung eines Kunstwerks ohne Information des Autors das moralische Recht (in vielen europäischen Rechtsordnungen anerkannt), zu kontrollieren, wie das eigene Werk verwendet wird. Sofia verdient es zu wissen, dass ihre Musik einen direkten Konkurrenten trainiert.

2. Unkompensierte wirtschaftliche Ausbeutung Die KI-Plattformen bauen milliardenschwere Geschäftsmodelle auf der kreativen Arbeit anderer auf. Suno hat Dutzende Millionen an Venture-Capital-Investitionen eingesammelt. Es wird Hunderte Millionen wert sein. Alles basierend auf Musikdatensätzen, die gesammelt wurden, ohne den ursprünglichen Autoren einen Cent zu zahlen.

Es ist, als baute man ein Immobilienimperium auf enteignetem Land ohne Entschädigung. Technisch könnte man behaupten, man habe das Land "transformiert", indem man Gebäude baute. Aber es bleibt Enteignung.

3. Schaffung von Ersatzprodukten, die den Markt für Originale aushöhlen Musik-KI erschafft keine "neue Kategorie", die den Markt erweitert. Sie schafft direkte wirtschaftliche Ersatzprodukte, die mit menschlichen Künstlern um dieselben Dollar derselben Konsumenten konkurrieren.

Marco generiert eine "melancholische Ballade" mit Suno, anstatt Sofia auf Spotify zu hören. Sofia verliert Streams, verliert Tantiemen, verliert algorithmische Sichtbarkeit. Die KI hat den Musikmarkt nicht erweitert. Sie hat bestehende Marktanteile von Menschen zu Algorithmen umverteilt.

Eine globale Wirtschaftsstudie von CISAC dokumentiert die Auswirkung: Generative KI stellt ein existenzielles Risiko für die Einkünfte von Autoren und Komponisten dar. Katastrophales Wertungleichgewicht zwischen Tech-Firmen und menschlichen Kreativen.

4. Fehlen einer bedeutungsvollen Opt-out-Möglichkeit Künstler können nicht einfach verhindern, dass ihre Musik in Trainingsdatensätze aufgenommen wird. Streaming-Plattformen verkaufen Zugang an