MICROSOFT-MANAGER NANNTE KI-SCRAPING „GRÖSSTEN DIEBSTAHL DER GESCHICHTE“

Das Wichtigste

Neu entsiegelte Gerichtsdokumente in der Klage der New York Times gegen OpenAI und Microsoft zeigen interne Eingeständnisse: Ein Microsoft-Manager bezeichnete das KI-Training als „astronomischen Diebstahl beispiellosen Ausmaßes“ und „den größten Diebstahl von Arbeit in der Geschichte der Menschheit“.

Was ist passiert?

Im seit drei Jahren laufenden Urheberrechtsstreit zwischen der New York Times und OpenAI/Microsoft wurden neue, ungeschwärzte Passagen öffentlich. Sie stammen aus dem Schriftsatz der Times, nicht aus den zugrunde liegenden Beweisdokumenten, die weiterhin unter Verschluss bleiben.

Brent Hecht, Director of Applied Science bei Microsoft, schrieb bereits im Januar 2023 intern von einem „astonishing theft of unprecedented proportions“. In einer weiteren Präsentation warnte er vor einem „Doom Loop“: Microsofts eigene Daten zeigen, dass die Klickrate auf NYT-Inhalte durch den Copilot-„Answer Engine“ um bis zu 93 Prozent einbrach, verglichen mit klassischer Bing-Suche.

Auch OpenAI-Führungskräfte äußerten sich intern alarmiert. Nick Turley, Chef von ChatGPT, sprach von einer „existential threat“ für Verlage durch Produkte, die „largely substitutive“ seien und mit steigender Modellqualität noch mehr Nachfrage abziehen würden. Greg Brockman lobte die Modelle als „excellent at news“, CEO Satya Nadella bestätigte unter Eid, dass Chatbots den Weg zur Original-Website faktisch ersetzen.

Besonders brisant: Die Dokumente belegen laut Filing gezielte Umgehung von Paywalls. Als OpenAI-Forscher Nick Ryder Brockman von einem „hack to get around nytimes paywall“ berichtete, antwortete dieser knapp: „ah nice“. Zudem sollen Copyright-Vermerke bewusst aus Trainingsdaten entfernt worden sein, damit Modelle keine Urheberrechtshinweise ausgeben.

Das Ausmaß der Datennutzung ist enorm: OpenAIs Mid-Training-Datensätze enthalten laut Klage über 91.692 Kopien von Werken der NYT, der Daily News und des Center for Investigative Reporting. Ein aus Common Crawl abgeleiteter Datensatz umfasste allein mehr als 2 Millionen Dokumente von nytimes.com. Über interne Projekte namens „Taxi“ und „Mango“ sollen Microsoft und OpenAI zudem gegenseitig Trainingsdaten ausgetauscht haben, „Mango“ enthält demnach mindestens 160.903 einzigartige Werke der Kläger.

Warum ist das relevant?

Die Aussagen könnten OpenAIs zentrale Verteidigungslinie, die „Fair Use“-Doktrin, empfindlich schwächen. Fair Use setzt unter anderem voraus, dass eine Nutzung den Markt für das Originalwerk nicht ersetzt oder schädigt.

Genau das bestreiten die eigenen internen Dokumente der Beklagten: Substitutionseffekt, Klickrateneinbruch, sogar eine Microsoft-Warnung vor einer möglichen Zerstörung der „Content Supply Chain“ für das eigene LLM-Geschäft. Für Entscheider in Medien, Marketing und Produktentwicklung ist das ein Warnsignal, wie stark rechtliche Rahmenbedingungen für KI-Trainingsdaten ins Wanken geraten könnten, gerade während die Trump-Administration erst vor kurzem einen Schriftsatz zugunsten von OpenAIs Trainingspraxis einreichte.

Take-Away

Wer KI-Produkte auf Basis von Web-Scraping oder Drittanbieter-Content betreibt, sollte die Entwicklung dieses Falls genau verfolgen. Die Grenze zwischen „Training“ und „Marktsubstitution“ wird hier juristisch neu verhandelt, mit potenziell weitreichenden Folgen für Lizenzmodelle und Datenbeschaffung in der gesamten Branche.