Entsiegelte Unterlagen belasten Microsoft und OpenAI im Urheberrechtsstreit

Entsiegelte Gerichtsunterlagen belasten Microsoft und OpenAI im Urheberrechtsstreit mit mehreren Medienhäusern. Interne Aussagen beschreiben massenhaft kopierte Artikel, umgangene Bezahlschranken und erhebliche Gefahren für Verlage sowie Journalisten.

Die am 17. September 2026 veröffentlichten Unterlagen aus dem seit drei Jahren laufenden Verfahren enthalten neue, ungeschwärzte Angaben. Die New York Times wirft Microsoft und OpenAI Urheberrechtsverletzungen beim Modelltraining vor. Viele Angaben stammen aus einem Schriftsatz der Zeitung. Die zugrunde liegenden Beweisstücke bleiben versiegelt.

Millionen kopierte Dokumente

OpenAIs Datensätze für eine mittlere Trainingsphase enthielten mehr als 91.692 Kopien geschützter Werke. Sie stammten von New York Times, Daily News und Center for Investigative Reporting. Ein aus Common Crawl gewonnener Datensatz umfasste über 2 Millionen Dokumente von nytimes.com. Common Crawl ist ein frei zugängliches Archiv automatisiert erfasster Internetseiten.

Project Mango enthielt laut Schriftsatz mindestens 160.903 unterschiedliche Werke der klagenden Medienhäuser. Microsoft lieferte OpenAI über Project Taxi und Project Mango Trainingsdaten. OpenAI übergab Microsoft den vollständigen GPT-3-Trainingsdatensatz. Microsoft prüfte damit die Einbindung der Modelle in eigene kommerzielle Produkte.

Copilot senkt Weiterleitungen

Microsofts eigene Daten beziffern den Rückgang der Weiterleitungen zur New York Times auf bis zu 93 Prozent. Verglichen wurde Copilot, Microsofts KI-gestützter Suchassistent, mit der klassischen Bing-Suche. Brent Hecht, Microsofts Direktor für angewandte Wissenschaften, beschrieb im Januar 2024 intern einen Kreislauf. Dieser schade zugleich den Modellen und dem gesamten Internet.

Microsoft-Chef Satya Nadella erklärte in diesem Jahr in einer Vernehmung, Inhalte hinter Bezahlschranken müssten lizenziert werden. Das gelte für Modelltraining und die Einbindung aktueller Informationen. Bei Kenntnis entsprechender OpenAI-Daten hätte er sein Recht geltend gemacht, von OpenAI ein erneutes Training der Modelle zu verlangen.

Umgehung von Bezahlschranken

OpenAI-Beschäftigte planten laut Schriftsatz, Bezahlschranken unbemerkt zu umgehen. Zudem entfernten Forscher demnach Urheberrechtshinweise aus Trainingsdaten. Die Datensätze WebText und WebText2 stützten sich überproportional auf automatisiert kopierte Nachrichteninhalte. OpenAIs ChatGPT-Leiter Nick Turley bewertete solche Produkte intern als zunehmend ersetzend und als existenzielle Gefahr für Verlage.

Hecht bezeichnete die Praxis in einem internen Vermerk vom Januar 2023 als beispiellosen Diebstahl von Arbeit. Microsoft und OpenAI beantworteten Anfragen von TechCrunch bis zum 17. September 2026 nicht.