Die GEMA hat erneut vor dem LG München I gegen einen Anbieter künstlicher Intelligenz gewonnen. Diesmal ging es um den KI-Musikgenerator Suno, der aus einfachen Texteingaben komplette Musikstücke erzeugt. Das Gericht sieht darin eine Verletzung von Urheberrechten an sechs bekannten Songs und bestätigt damit einen Trend zur strengeren Bewertung von KI-Trainingsdaten im deutschen Urheberrecht.
Kontext und Bedeutung für Betroffene
Der Fall betrifft nicht nur die GEMA und Suno Inc., sondern hat weitreichende Bedeutung für Musikschaffende, Musikverlage, KI-Unternehmen und letztlich auch für Nutzer solcher Dienste. Songs wie „Atemlos durch die Nacht“, „Rasputin“, „Big in Japan“, „Forever Young“, „Mambo No. 5“ und „Daddy Cool“ gehören zum kulturellen Allgemeingut deutscher Feiern und Hochzeiten. Dass ausgerechnet diese Werke Gegenstand eines wegweisenden Urteils zu KI-generierten Audioinhalten wurden, zeigt exemplarisch, wie eng populäre Kultur und neue Technologien miteinander verwoben sind.
Für Urheber und Rechteinhaber ist die Entscheidung ein wichtiges Signal: Wer Musikwerke zum Training von KI-Systemen nutzt, muss mit rechtlichen Konsequenzen rechnen, wenn die Originalwerke im Modell selbst gespeichert bleiben und sich in den generierten Ausgaben wiederfinden. Für KI-Unternehmen bedeutet das Urteil hingegen erhebliche Rechtsunsicherheit und mögliche Haftungsrisiken, insbesondere wenn Trainingsdaten ohne Lizenzierung genutzt wurden.
Unsicher bei einer Rechtsfrage? Holen Sie sich jetzt eine schnelle Einschätzung – ab 29,99 €.
Rechtlicher Hintergrund
Im Zentrum des Verfahrens steht die Frage, ob und wie das Training von KI-Modellen mit urheberrechtlich geschützten Werken zulässig ist. Das deutsche Urheberrecht kennt mit § 44b UrhG eine Schrankenregelung für Text- und Data-Mining, die unter bestimmten Voraussetzungen die Vervielfältigung von Werken zu Trainingszwecken erlaubt. Diese Schranke ist jedoch nicht grenzenlos: Sie deckt nach überwiegender Auffassung vorbereitende technische Vervielfältigungen ab, nicht aber eine dauerhafte Speicherung geschützter Inhalte im fertigen KI-Modell.
Zusätzlich stellt sich die Frage der internationalen Zuständigkeit deutscher Gerichte, wenn das eigentliche Training im Ausland, hier in den USA, stattgefunden hat. Das Verwertungsgesellschaftsgesetz (VGG) enthält hierzu eine Sonderregelung, auf die sich das LG München I in seiner Entscheidung stützt.
Die wichtigsten Vorschriften
Relevant sind insbesondere § 16 UrhG, der das Vervielfältigungsrecht der Urheber schützt, sowie § 44b UrhG zur Schranke für Text- und Data-Mining. Für die internationale Zuständigkeit deutscher Gerichte bei Verwertungsgesellschaften ist § 131 Abs. 1 und 2 VGG maßgeblich. In den USA war zudem die dortige Fair-Use-Doktrin zu prüfen, da die eigentlichen Trainingsvorgänge auf amerikanischem Boden stattfanden.
Aktuelle Entwicklung
Die auf Urheberrecht spezialisierte 42. Zivilkammer des LG München I hat die Ansprüche der GEMA auf Unterlassung, Auskunft und Schadensersatz gegen Suno überwiegend bestätigt (LG München I, Urteil vom 31.07.2026, Az. 42 O 763/25). In welchen Punkten die GEMA im Detail unterlag, geht aus der bislang vorliegenden Pressemitteilung nicht hervor, da die vollständigen Urteilsgründe noch nicht veröffentlicht sind.
Das Gericht unterschied in seiner Begründung zwischen mehreren Vorgängen. Zunächst hatte Suno beim Training seines Modells in den USA Kopien der Musikwerke angefertigt, die nach den Feststellungen des Gerichts mittels Stream-Ripping von YouTube heruntergeladen wurden. Diese Werke waren nach Überzeugung der Kammer in den Modellversionen v3.5 und v4 enthalten, welche auf Servern in Deutschland gespeichert wurden. Aus diesen Modellen erzeugte Suno anschließend Songs, in denen sich originelle Elemente der Originalwerke wiederfanden.
Bemerkenswert ist der Umgang des Gerichts mit dem Trainingsvorgang in den USA. Das LG München I prüfte insoweit amerikanisches Recht und kam zu dem Ergebnis, dass das Training nach der dortigen Fair-Use-Doktrin nicht erlaubt gewesen sei, weil sich die Musikwerke in den Outputs wiederfänden. Für die daraus resultierenden Ansprüche erklärte sich das Gericht unter Berufung auf die Sonderregel für Verwertungsgesellschaften nach § 131 VGG für international zuständig.
Ähnlich wie bereits in einem früheren Verfahren gegen OpenAI kam die Kammer auch hier zu dem Ergebnis, dass die geschützten Werke nach dem Training im Modell selbst gespeichert bleiben. Der Einwand von Suno, die Gewichte und Parameter des Modells würden keine konkreten Musikstücke speichern, sondern lediglich abstrakte Zusammenhänge aus den Trainingsdaten abbilden, überzeugte das Gericht nicht. Beim Vergleich der generierten Outputs mit den Originalwerken stellte die Kammer erhebliche Übereinstimmungen fest und schloss wegen der Länge und Komplexität der Musikstücke aus, dass diese Ähnlichkeiten zufällig entstanden sein könnten. Die Werke müssten daher im Modell selbst gespeichert sein.
Diese Memorisierung sah das Gericht nicht durch die Schranke des Text- und Data-Minings nach § 44b UrhG gedeckt und wertete sie als rechtswidrige Vervielfältigung nach § 16 UrhG. Auch die von Nutzern erzeugten Songs selbst verletzten nach Auffassung der Kammer das Urheberrecht, da originelle Elemente der Originalwerke in den generierten Outputs wiederzuerkennen waren.
Praktische Einordnung
Die Entscheidung reiht sich in eine Serie von Urteilen der 42. Zivilkammer des LG München I ein, die sich intensiv mit der urheberrechtlichen Bewertung von KI-Systemen befasst. Bereits im November 2025 hatte dieselbe Kammer OpenAI verurteilt, weil ChatGPT auf einfache Eingaben hin Liedtexte bekannter deutscher Künstler ausgab. Das aktuelle Urteil überträgt diese Argumentationslinie erstmals auf generierte Musik im engeren Sinn und gilt damit, soweit ersichtlich, als weltweit erste Entscheidung zu KI-generierten Audioinhalten.
Was bedeutet das für Sie?
Für Musikschaffende und Rechteinhaber stärkt das Urteil die Position gegenüber KI-Anbietern, die urheberrechtlich geschützte Werke ohne Lizenz zum Training nutzen. Wer als Urheber oder über eine Verwertungsgesellschaft wie die GEMA vertreten wird, kann sich künftig auf diese Rechtsprechung berufen, wenn eigene Werke in KI-Modellen wiedererkennbar sind. Für Betreiber von KI-Musikgeneratoren bedeutet die Entscheidung ein erhebliches Haftungsrisiko, insbesondere wenn Trainingsdaten ohne Zustimmung der Rechteinhaber verwendet wurden und sich Originalwerke in den Ausgaben nachweisen lassen. Unternehmen sollten ihre Trainingsprozesse und Lizenzierungsstrategien überprüfen, um vergleichbare Verfahren zu vermeiden.
Tabelle: Übersicht
| Aspekt | Details |
|---|---|
| Gericht | LG München I, 42. Zivilkammer |
| Datum | 31. Juli 2026 |
| Aktenzeichen | 42 O 763/25 |
| Parteien | GEMA gegen Suno Inc. |
| Betroffene Werke | Sechs bekannte Musikstücke, unter anderem „Atemlos durch die Nacht“ und „Rasputin“ |
| Kernvorwurf | Ungenehmigtes Training mit urheberrechtlich geschützten Songs und Speicherung im KI-Modell |
| Ergebnis | Ansprüche der GEMA auf Unterlassung, Auskunft und Schadensersatz überwiegend bestätigt |
Fazit
Das Urteil des LG München I gegen Suno setzt die strenge Linie der Münchner Rechtsprechung zu KI-Systemen fort und weitet sie erstmals auf generierte Musikinhalte aus. Es verdeutlicht, dass die Schranke für Text- und Data-Mining nach § 44b UrhG nach Auffassung des Gerichts nicht grenzenlos gilt und eine dauerhafte Speicherung geschützter Werke im KI-Modell urheberrechtlich problematisch bleibt. Für die weitere Entwicklung der KI-Regulierung im Urheberrecht dürfte diese Entscheidung richtungsweisend sein.
Hinweis: Dieser Artikel und das Symbolbild wurden mit Hilfe von KI erstellt.
Das könnte Sie auch interessieren
Bei konkreten
rechtlichen Fragen finden Sie hier den passenden
Rechtsanwalt,
erhalten eine erste, rechtliche Einschätzung ab 29,99€ per
LexBot-KI-Rechtsberatung
oder nutzen ab 34,99€ die
telefonische Rechtsberatung.
Quellen und weiterführende Links
beck-aktuell: GEMA gewinnt auch gegen Suno
Sollte Ihnen dieser Beitrag geholfen haben, so können Sie uns etwas zurückgeben in dem Sie uns bei Google bewerten.