In der Urheberrechtsklage der New York Times gegen OpenAI und Microsoft wurde am 17. September ein weiteres Dokument entsiegelt. Es handelt sich um einen von der Times eingereichten Schriftsatz, der zuvor nur in geschwärzter Fassung vorlag; nun liegt die ungeschwärzte Version vor, die wörtlich aus einer internen Präsentation eines Microsoft-Managers vom Januar 2024 zitiert.
Der Zitierte ist Brent Hecht, Director of Applied Science bei Microsoft. Laut dem Schriftsatz beschrieb er das Training großer Modelle mit journalistischen Inhalten so:
"an astonishing theft of unprecedented proportions" / "the largest theft of labor in human history"
Ein erstaunlicher Diebstahl von beispiellosem Ausmaß, möglicherweise der größte Arbeitsdiebstahl in der Geschichte der Menschheit.
Dem Schriftsatz zufolge warnte Hecht OpenAI zudem, dass die Prüfung des Systems auf Inhalte von Klägern wie der Times zu einer „versehentlichen Vertuschung“ (accidental cover up) führen könnte.
Die Zahlen aus dem Schriftsatz
Die Times legt im Schriftsatz die Zusammensetzung mehrerer Datensätze offen, die aus den Beweismaterialien des Verfahrens stammen:
- Ein Zwischentrainingsdatensatz von OpenAI enthält mehr als 91.692 Kopien von Werken der New York Times, der Daily News und des Center for Investigative Reporting;
- Ein von Common Crawl abgeleiteter Datensatz enthält über 2 Millionen Dateien von nytimes.com;
- Ein Datensatz mit dem Codenamen Project Mango umfasst mindestens 160.903 eigenständige Werke von Nachrichtenverlagen.
Die Nachrichtenagentur AFP nennt eine andere Gesamtzahl: OpenAI habe mehr als 10 Millionen Artikel gesammelt, fast ein Drittel davon von der New York Times. Diese Zahl beruht auf einer anderen Zählweise als die obigen Angaben, maßgeblich ist der Wortlaut des Schriftsatzes.
Den Vorwürfen zufolge kamen drei Methoden zum Einsatz: das Umgehen von Paywalls beim Sammeln von Inhalten, groß angelegtes Crawling über die Bing-Indexierung sowie das Entfernen von Urheberrechtshinweisen, bevor Inhalte in die Trainingsdaten aufgenommen wurden. Für den letzten Punkt gibt es im US-Urheberrecht eine eigene Klausel; wird er bestätigt, unterscheidet sich die Schadensberechnung von einer einfachen Vervielfältigungsverletzung.
Die Reaktionen der beiden Unternehmen
Ein Microsoft-Sprecher erklärte gegenüber AFP, Hechts Aussage sei „die persönliche Meinung eines Mitarbeiters“ und gebe nicht die Position des Unternehmens wieder. TechCrunch schreibt, weder OpenAI noch Microsoft hätten auf Anfragen zur Stellungnahme reagiert. Bis Redaktionsschluss haben sich beide Unternehmen nicht konkret zu Umfang der Datensätze, Paywalls oder entfernten Urheberrechtshinweisen geäußert, auch Hecht selbst hat sich nicht öffentlich dazu geäußert.
Der Stand nach drei Jahren Rechtsstreit
Die Klage wurde im Dezember 2023 von der Times vor dem Bundesgericht für den Southern District of New York eingereicht; später wurden die Klagen der Daily News und des Center for Investigative Reporting damit zusammengelegt. Diese Seite berichtete im Juni, dass Times-Verleger Sulzberger öffentlich KI-Unternehmen vorwarf, Inhalte „unverhohlen zu stehlen“ — das war damals eine Aussage der Zeitungsseite. Diesmal wiegt es schwerer, weil der Vorwurf aus internem Material eines Mitarbeiters der Beklagtenseite selbst stammt.
Im Vergleich zu ähnlichen Verfahren ist die Sammelklage von Autoren gegen Anthropic am weitesten fortgeschritten. Dort trennte der Richter das Training mit rechtmäßig gekauften Büchern vom Herunterladen aus Piraterie-Bibliotheken; Letzteres führte direkt zu Schadensersatz und endete mit einem Vergleich von rund 1,5 Milliarden Dollar. Der Schwerpunkt der Vorwürfe im Times-Verfahren liegt auf dem Sammeln kostenpflichtiger Inhalte und dem Entfernen von Urheberrechtshinweisen — das liegt näher an dem Teil, der im Anthropic-Fall ungünstig ausging, als an der reinen Frage, ob Training als Fair Use gilt.
Wie viel Gewicht das Gericht dieser Präsentation beimisst, kann der Schriftsatz selbst nicht beantworten. Er belegt nur, dass es innerhalb von Microsoft diese Sichtweise gibt; ob er beweist, dass beide Unternehmen wissentlich gehandelt haben, hängt vom weiteren Beweisaustausch und der Verhandlung ab. Ein Verhandlungstermin wurde bislang nicht bekannt gegeben.
Quellen: TechCrunch, Washington Post, CocoLoop, AFP, Futurism; der ungeschwärzte Schriftsatz der New York Times belegt Hechts Zitat und die drei Datensatz-Angaben, die Aussage des Microsoft-Sprechers folgt der AFP-Zitierung.