Künstliche Intelligenz
GEMA gegen Suno: Wenn das KI-Modell den Schlager auswendig kann
Tobias Reinhardtca. 6 Min. Lesezeit
Auf die bloße Eingabe des Liedtextes gibt der KI-Musikgenerator Suno „Atemlos durch die Nacht“ wiedererkennbar aus. Das Landgericht München I sieht darin eine Vervielfältigung im Modell, die keine Schranke deckt, und macht den Anbieter verantwortlich. Für Unternehmen, die KI-Modelle trainieren oder KI-Generatoren einsetzen, heißt das Urteil GEMA gegen Suno: Geschützte Trainingsdaten brauchen eine Lizenz, und die KI-Verordnung ersetzt sie nicht.
KI-generiert GEMA gegen Suno: Sechs Hits im Modell
Mitarbeiter der GEMA tippen den Liedtext von „Atemlos durch die Nacht“ in einen KI-Musikgenerator, wählen den Stil „Schlager“ und geben den Titel an. Sekunden später liegen Tonaufnahmen vor, in denen das Gericht später das Original wiedererkennt. Dasselbe Spiel mit „Daddy Cool“, „Rasputin“, „Big in Japan“, „Forever Young“ und dem Refrain von „Mambo No. 5“. Beklagt ist die Betreiberin des Generators Suno mit Sitz in den USA.
Das Landgericht München I hat der Klage mit Urteil vom 31. Juli 2026 (Aktenzeichen 42 O 763/25) überwiegend stattgegeben. Die Kernaussage: Sind Musikwerke so in einem KI-Modell gespeichert, dass einfache Eingaben sie wiedererkennbar hervorbringen, liegt eine Vervielfältigung vor. Die Schranke für Text und Data Mining deckt das nicht, und verantwortlich ist der Anbieter des Modells, nicht der Nutzer. Suno muss die Nutzung der sechs Werke unterlassen, Auskunft erteilen und haftet dem Grunde nach auf Schadensersatz. Das Urteil ist nicht rechtskräftig, die Berufung liegt beim Oberlandesgericht München.
Prompts ohne musikalische Vorgaben
Suno hielt dagegen, die GEMA habe die Ergebnisse provoziert: 338 Versuche, komplette Originaltexte, Genrevorgaben. Der Liedtext gebe Rhythmus und Melodiekontur zwingend vor. Für das Gericht waren die Eingaben einfach und ergebnisoffen: Liedtext, Stil, Titel, nichts zu Melodie, Harmonie, Rhythmus oder Arrangement. Derselbe Text lässt sich als Ballade oder als Tanznummer vertonen. Und wer denselben Prompt 176 Mal eingibt, lenkt das Modell in keine Richtung.
Ob die Originale in den Ausgaben zu erkennen sind, beurteilte die Kammer selbst. Sie hörte alle Stücke in der Verhandlung an und verglich Notenauszüge. Bei jedem Werk fand sie prägende Elemente wieder, etwa bei „Atemlos“ die komplette Dramaturgie mit dem gesteigerten Post-Refrain. Ein Sachverständigengutachten hielt sie für entbehrlich, weil ihre Mitglieder zum Kreis durchschnittlicher Musikhörer gehören.
Memorisierung ist Vervielfältigung
Was steckt in einem trainierten Modell? Suno argumentierte, die Parameter enthielten nur mathematisch erlernte Muster. Der Speicherplatz reiche nicht einmal für ein Prozent der Trainingsdaten, und einen „Parameterspieler“ gebe es nicht. Das Gericht verwies auf die Forschung: Modelle können Trainingsdaten „memorisieren“, also so übernehmen, dass sie sich über Ausgaben wieder herausholen lassen. Ob alle Trainingsdaten hineinpassen, ist dafür unerheblich. Bringt ein einfacher Prompt ein wiedererkennbares Werk hervor, ist das Werk im Modell festgelegt.
Eine Vervielfältigung ist jede körperliche Festlegung, die ein Werk unmittelbar oder mittelbar wahrnehmbar macht. Eine MP3-Datei speichert Musik verlustbehaftet und ist trotzdem eine Kopie. Für das Modell gilt dasselbe: Das Werk ist über die Parameter verstreut, aber mit dem Generator und einem einfachen Prompt abrufbar. Weil Suno das Modell auf Servern in Deutschland vorhält, findet diese Vervielfältigung hier statt.
Text und Data Mining hilft nicht
Das Urheberrecht erlaubt Text und Data Mining, also die automatisierte Auswertung von Werken, um Muster und Zusammenhänge zu gewinnen. Dafür darf man rechtmäßig zugängliche Werke kopieren, ohne zu fragen und ohne zu zahlen, sofern kein Nutzungsvorbehalt entgegensteht. Das Gericht unterscheidet drei Phasen: das Sammeln der Trainingsdaten, das Training und die spätere Nutzung über Prompts. Die Schranke deckt Kopien der ersten Phase, weil eine bloße Analyse den Urheber wirtschaftlich nicht berührt. Bleibt das Werk dagegen im Modell, geht das über eine Analyse hinaus. Dafür gibt es keine Erlaubnis, denn das Risiko der Memorisierung stammt allein aus der Sphäre des Anbieters.
Zwei weitere Einwände scheiterten. Suno hatte die Aufnahmen per Stream-Ripping von YouTube gezogen und dabei den „Rolling Cipher“ umgangen, eine technische Sperre gegen das Herunterladen. Damit fehlte der rechtmäßige Zugang. Und die KI-Verordnung ändert nichts. Sie verpflichtet Anbieter zu einer Urheberrechtsstrategie und zu einer veröffentlichten Zusammenfassung der Trainingsinhalte. Das soll Rechteinhabern die Durchsetzung erleichtern, eine Lizenz ersetzt es nicht. Der europäische Praxisleitfaden für KI-Modelle sagt selbst, dass seine Einhaltung keine Einhaltung des Urheberrechts bedeutet.
Verantwortlich ist der Anbieter
Schon das Angebot des Generators ist nach dem Urteil eine öffentliche Wiedergabe der memorisierten Werke, ganz gleich, ob jemand sie abruft. Suno ist kein neutraler Vermittler wie eine Hosting-Plattform. Das Unternehmen hat die Trainingsdaten ausgewählt, das Training gestaltet und kennt das Phänomen der Memorisierung spätestens seit einer Studie aus dem Jahr 2021. Das Haftungsprivileg des Digital Services Act greift nicht, denn die Ausgaben sind eigene Inhalte des Anbieters. Auch für die Ausgaben haftet Suno als Täter, denn ein KI-Modell ist kein Aufnahmegerät. Bei einfachen Prompts bestimmt das Modell den Inhalt, der Nutzer löst nur den Vorgang aus.
Nur an einem Punkt unterlag die GEMA: Ein Abruf zu Zeiten eigener Wahl, also ein öffentliches Zugänglichmachen, ist bei bis zu 176 Anläufen nicht bewiesen. Für das Training in den USA verneinte die Kammer Fair Use nach amerikanischem Recht. Die Ausgaben sind den Originalen wesentlich ähnlich, die Nutzung ist kommerziell, und die Daten stammen aus der Umgehung einer Zugangssperre. Zudem darf die GEMA das Urteil auf Sunos Kosten auf einer Viertelseite der Süddeutschen Zeitung veröffentlichen.
KI und Urheberrecht im Unternehmen
Wer KI-Modelle entwickelt oder anpasst, hat nach diesem Urteil eine klare Rechnung: Geschützte Trainingsdaten brauchen eine Lizenz, wenn das Modell sie behalten könnte. Eine Urheberrechtsstrategie nach der KI-Verordnung, eine veröffentlichte Trainingszusammenfassung und nachträglich eingebaute Filter ersetzen sie nicht. Wer beim Sammeln technische Sperren umgeht, verliert die Schranke und steht auch nach amerikanischem Recht schlecht da. Ein Sitz in den USA schützt nicht, solange das Modell auf Servern in Deutschland läuft.
Auch wer KI-Generatoren nur nutzt, etwa für Werbespots oder Podcasts, sollte das Urteil kennen. Ein Output kann die Umgestaltung eines geschützten Werks sein, ohne dass der Nutzer es bemerkt. Das Urteil spricht den Nutzer nicht frei: Wer ein solches Stück veröffentlicht, nutzt das fremde Werk selbst, und Rechte daran kann kein Abonnement einräumen. Rechteinhabern senkt das Urteil die Beweishürde: Ein einfacher Prompt und ein wiedererkennbarer Output genügten dem Gericht als Beleg.
Fazit
Das Landgericht München I behandelt ein KI-Modell, das Werke wiedererkennbar ausgeben kann, wie jeden anderen Speicher. Das Werk ist darin vervielfältigt, die Schranke für Text und Data Mining greift nicht, und der Anbieter haftet für Angebot und Ausgaben. KI-Verordnung, Praxisleitfaden und nachträgliche Filter ändern daran nichts.
Wer Modelle mit geschützten Inhalten trainiert, braucht Lizenzen. Wer KI-Generatoren einsetzt, sollte wissen, dass auch ein „neues“ Stück ein altes sein kann. Ob es dabei bleibt, entscheidet zunächst das Oberlandesgericht München.











