Leaks enthüllen: Suno trainierte KI mit tausenden Stunden von Deezer, YouTube und Pond5
Quellcode enthüllt Herkunft der Trainingsdaten
Laut dem geleakten Quellcode flossen tausende Stunden an Audiodaten von externen Plattformen in Sunos Trainingsbibliothek ein. Konkret genannt werden dabei Deezer, YouTube sowie Pond5, ein Marktplatz für Stockmedien. Die Menge und die Herkunft der verwendeten Daten deuten darauf hin, dass ein erheblicher Teil des Trainingsmaterials aus bestehenden, kommerziell betriebenen Diensten stammt, ohne dass die Rechteinhaber zwingend zugestimmt haben müssen.
Rechtliche Bedeutung der Enthüllungen
Die Frage, ob KI-Unternehmen urheberrechtlich geschützte Werke für das Training ihrer Modelle verwenden dürfen, ist weltweit rechtlich ungeklärt. In den USA laufen bereits mehrere Klagen gegen KI-Musikgeneratoren, darunter auch gegen Suno selbst. Die Musikindustrie argumentiert, dass das unerlaubte Scraping von Audiomaterial einen massiven Eingriff in Urheberrechte darstellt. Die geleakten Informationen könnten in laufenden Verfahren als belastendes Material dienen, da sie konkrete Hinweise auf die Datenquellen liefern.
Pond5 und Deezer als Datenquellen
Besonders brisant ist die mutmaßliche Nutzung von Pond5, einem Marktplatz, auf dem Künstler und Rechteinhaber ihre Werke gegen Lizenzgebühren anbieten. Würde Suno diese Inhalte ohne entsprechende Lizenzen für das Training genutzt haben, käme das einem direkten Verstoß gegen die Nutzungsbedingungen und möglicherweise das Urheberrecht gleich. YouTube wiederum verbietet in seinen Nutzungsbedingungen ausdrücklich das automatisierte Herunterladen von Inhalten, sofern keine ausdrückliche Genehmigung vorliegt.
Suno im Zentrum der KI-Urheberrechtsdebatte
Suno gehört zu den bekanntesten KI-gestützten Musikgeneratoren und ermöglicht es Nutzern, innerhalb von Sekunden vollständige Songs zu erstellen. Das Unternehmen steht seit Längerem im Fokus der Musikbranche, die befürchtet, dass solche Werkzeuge die Einnahmen von Künstlern und Rechteinhabern massiv untergraben könnten. Die nun geleakten Quellcode-Daten liefern erstmals konkrete technische Belege dafür, wie die Trainingspipeline des Unternehmens aufgebaut gewesen sein soll.
Hintergrund: KI-Training und Urheberrecht
KI-Modelle für Audio, Bild oder Text benötigen große Mengen an Beispieldaten, um zu lernen, menschenähnliche Inhalte zu erzeugen. Die Beschaffung dieser Daten erfolgt häufig durch automatisiertes Sammeln aus dem Internet, was regelmäßig zu Konflikten mit Urheberrechtsinhabern führt. Zahlreiche Länder diskutieren derzeit gesetzliche Regelungen, die den Umgang mit solchen Trainingsdaten klarer definieren sollen. Die Enthüllungen rund um Suno zeigen einmal mehr, dass Transparenz über die Herkunft von Trainingsdaten in der KI-Branche bislang die Ausnahme und nicht die Regel ist.
