Generative künstliche Intelligenz (KI) erleichtert zwar die Datenerfassung, hat aber gleichzeitig eine breite Debatte über die Rechtmäßigkeit der Nutzung urheberrechtlich geschützten Materials ausgelöst. Ein aktueller Bericht des US-amerikanischen Urheberrechtsamtes untersucht, inwieweit generative KI mit den wirtschaftlichen Zielen des Urheberrechts übereinstimmt und wie entsprechende politische Maßnahmen das Gleichgewicht zwischen Anreizen und Zugang neu gestalten können.

Der Bericht wurde von einem Sonderausschuss aus Wirtschaftswissenschaftlern erörtert und enthält Beiträge von Forschern der Carnegie Mellon University. Michael Smith, Professor für Informationstechnologie und öffentliche Politik an der Heinz School of Management der Carnegie Mellon University, betont, dass das Urheberrecht die Förderung kultureller und wissenschaftlicher Innovationen zum Ziel hat und ein Gleichgewicht zwischen der wirtschaftlichen Vergütung der Urheber und ihrem Zugang zu bestehenden Werken erfordert. Er merkt an, dass generative KI neue Inhalte durch die Analyse bestehender Werke erzeugt, ähnlich diesem kumulativen kreativen Prozess; daher ist der Prozess mit Algorithmen genau die Art von Innovation, die die Urheberrechtspolitik fördert.

Der Bericht wirft jedoch auch zwei zentrale Fragen auf: den gesellschaftlichen Nutzen des Zugangs von Entwicklern zu Schulungsmaterialien und die Auswirkungen auf die Motivation von Urhebern. Rahul Trang, Professor für Informationssysteme und Management an der Heinz and Tepper School of Business der Carnegie Mellon University, erklärte, dass es derzeit nur wenige wirksame Instrumente gebe, um die Motivation von Urheberrechtsinhabern einzudämmen, den öffentlichen Zugang zu ihren Werken aufgrund der Nutzung ihrer Inhalte zu beschränken. Er schlug vor, dass eine Lizenzpflicht für die Nutzung die einzig praktikable Lösung sein könnte, obwohl dies Herausforderungen hinsichtlich Transparenz und Durchsetzung mit sich bringen könnte.

Der Bericht erörtert auch die EU-Vorgabe, dass Urheberrechtsinhaber ihre urheberrechtlich geschützten Daten nicht zum Trainieren von Modellen verwenden dürfen. Die Autoren argumentieren, dass dies den Charakter des Urheberrechtsschutzes verändern, die Beweislast von den Nutzern auf die Eigentümer verlagern und den Urheberrechtsinhabern eine erhebliche Belastung auferlegen würde.

Generative KI, Urheberrechtspolitik und das Gleichgewicht zwischen Anreizen und Zugang sind die Kernthemen dieses Berichts. Durch eingehende Analysen und Diskussionen bietet der Bericht eine neue Perspektive zum Verständnis des Verhältnisses zwischen generativer KI und Urheberrechtspolitik.

Weitere Informationen: Michael D. Smith und Rahul Telang, „The Impact of Artificial Intelligence Ingestion on Rights Holder Incentives“