this post was submitted on 09 Oct 2026
25 points (100.0% liked)
Netzkultur / Netzpolitik
1689 readers
7 users here now
Alles rund um das Internet. Gerne auch die politische Seite zum Thema
Als Nachfolger für !netzpolitik@feddit.de
Wir sehen uns als einen selbstbestimmten Raum, außerhalb der Kontrolle kommerzieller Tech-Unternehmen.
Posts oder Antworten, die einen Archive[.]today (oder eines der Derivate) beinhaltet, werden kommentarlos gelöscht
Netiquette wird vorausgesetzt. Gepflegt wird ein respektvoller Umgang - ohne Hass, Hetze, Diskriminierung.
Die Regeln von feddit.org gelten.
Das Bild im Banner und Icon: Public Domain generated with Midjourney gefunden auf netzpolitik.org
founded 2 years ago
MODERATORS
you are viewing a single comment's thread
view the rest of the comments
view the rest of the comments
Oh. Das dürfte interessant werden, wenn sich heraus stellt, dass closed Software Code aus FOSS-Bibliotheken verwendet hat. Bisher war es doch eher schwierig den Nachweis zu führen.
Die GPL bspw. gibt vor, dass dieser Code dann selbst wieder unter der GPL veröffentlicht werden muss.
wird immernoch schwer sein, da es für manche sachen nur wenige bis einen Algorithmus gibt und schwer nachzuweisen ist dass man nicht einfach eine ähnliche umsetzung dersselben idee hat und diese compiliert nichtmehr unterscheidbar ist. Wenn man irgendwelche Fingerprints oder andere identifier hat, wäre es bestimmt möglich
In der Tat. Doch wenn jemand vielversprechende Erfolgsaussichten sieht, wird er da Energie reinstecken. Es käme dann ganz auf den Umfang des geklauten codes an. Je länger das nicht markierte Zitat, desto einfacher ist der Plagiatsnachweis, im übertragenen Sinne.
Sicherlich. Ich sehe aber das hauptproblem dass KI-Modelle ja auf FOSS trainiert wurden und so die wahrscheinlichkeit erhöht ist diese zurückzuübersetzen. Beziehungsweise man müsste einen richter überzeigen dass das nicht der fall ist um so den original code anfordern können. quasi "KI hat teile unseren codes bei denen wiedergefunden, hier sind paar signifier dass es unser code ist da diese exklusiv für unsere implementierung sind. Wir fordern jetzt die herausgabe des original codes um unsere vermutung zu bestätigen". So läuft das discovery in vielen zivilklagen ja schon ab, vom prinzip her.
Wie das Urheberrecht mit KI zusammenspielt, ist keine wirklich rechtlich geklärte Frage, denke ich.
Andersherum. Wenn mittels reverse - engineering nachgewiesen wird, dass jemand GPL code in seinem closed source product verwendet hat. Also mithilfe von AI reverse engineeren und sehen, dass jemand Lizenzbedingungen nicht eingehalten hat. Dann griffe die GPL des geklauten Codes und der closed source Code müsste als FOSS code bereitgestellt werden.
Man stelle sich vor irgendjemand bei MS oder Adobe hätte GPL code unrechtmäßig genutzt. Oder irgendein bekannter Gaming Engine Hersteller.
Ach so, so meintest du das; das ist mir aus dem obigen Kommentar nicht ganz klar geworden, ich hab wohl ein paar Mal zu oft die Idee gelesen, man könne eine Open-Source-Lizenz erfinden, die KI-Scraping verbietet ...
Es gibt Urteile aus den USA nach denen man kein Copyright auf KI-Output claimen kann.
Womit die GPL-Lizensierung dann hinfällig wäre, denn der ursprüngliche "Autor" hätte nicht das Recht, die Lizenz zu ändern.
Wobei ich nicht weiß was dann für eine Lizenz statt dessen Anwendung findet. Intuitiv würde ich WTFPL sagen.
Es würde keine Lizenz Anwendung finden. Das Urheberrecht würde einfach nicht gelten. (Man muss für etwas das Urheberrecht haben, um anderen Personen eine Nutzungslizenz ausstellen zu können.)
Also in den meisten Fällen ist die Software dann einfach gemeinfrei, so wie Kunstwerke von Künstlern, die schon lange tot sind.
Ich halte die WTFPL nicht für eine brauchbare Lizenz, aber in der Theorie möchte sie die Software bereitstellen, wie wenn sie gemeinfrei wäre, also ist nicht so unähnlich.
OK, ja, das ist ein Aspekt, der tatsächlich relativ klar ist. KI zu prompten, ist kein kreativer Prozess.
Ein anderer ist: Sollte KI-Training das Einverständnis der Urheber der Trainingsdaten erfordern? Und noch ein anderer: Ist KI-Output ein abgeleitetes Werk von allen oder manchen Trainingsdaten? Davon hängt es nämlich ab, ob die GPL verhindern kann, dass Entwickler proprietärer Software KI verwenden, die mit GPL-Software trainiert wurde.
Die GPL kann nichts verhindern wenn sie nicht anwendbar ist, weil der Inhaber des jeweiligen GitHub Repos kein Copyright auf den Code hat der da liegt.
Die wirklich interessante Frage, IMO, ist, wie Code zu lizensieren ist für den keine Person Copyright claimen kann.
Reden wir jetzt von dem Code, der als KI-Trainingsmaterial verwendet wurde, oder dem, der mit KI generiert wurde? Das Szenario, an das ich dachte, war, dass ersterer (!) unter GPL steht.
So interessant ist das nicht, es ist relativ einfach: darauf kann man jede Lizenz picken, die man will, sie wird so oder so nicht durchsetzbar sein, denn das, worauf man kein Urheberrecht hat, kann man auch nicht lizenzieren.
Mir ging's um den generierten Code. Klar, Lizenz als Trainingsmaterial wäre eine Sache die modernes Urheberrecht vorsehen sollte.
Mit dem Grundsatz dass generierte Daten nicht copyrightbar sind ist es ja effektiv egal was das Trainingsmaterial war.
Nein, so funktioniert Urheberrecht nicht.
Der LLM generierte Quellcode bekommt kein zusätzliches Urheberrecht wie es z.B. bei einer menschlichen Textübersetzung in eine andere Sprache der Fall wäre. Davon ist das ursprüngliche Urheberrecht aber völlig unbetroffen.
Rechtlich unklar ist lediglich ob das LLM selbst ein abgeleitetes Werk des Trainingmaterials ist.
In der Praxis muss man leider davon ausgehen das LLM generierter Quellcode viele unlizensierte Bestanteile hat, und in Streitfällen wird wohl der Fakt das der beanstandete Quellcode im Trainingsmaterial enthalten war zu Gunsten des Klägers ausgelegt werden.
OK aber was heißt hier "ursprünglich"? Es gibt ja keine Variante des fraglichen Codes der mal urheberrechtlich geschützt war. Der fragliche Code ist durch das LLM entstanden.
Würde an sich Sinn ergeben, aber du hast ggf. keine Chance das rauszufinden wenn der LLM-Besitzer das nicht will.
Entweder ich verpasse hier was fundamentales oder das ist und bleibt rein theoretisch.
Quellcode ist immateriell, d.h. die enthaltende information zählt. Wenn ein LLM rein "zufällig" einen Quellcode erzeugt der identisch oder zumindestens sehr ähnlich zu einem ist der urheberrechtlich geschützt ist (was bei bestimmten Funktionen recht häufig vorkommt) dann ist dies erst einmal ein Urheberrechtsverstoß.
Bei quelloffenem Code ist es (ironischerweise mit LLMs) relativ einfach solche Textpassagen zu finden. Es gibt natürlich noch gewisse rechtliche Hürden in bezug zur Schöpfungshöhe, aber ein LLM das quasi verbatim zum Beispiel eine längere Datenbankzugriffsroutine repliziert verursacht sehr wahrscheinlich einen Urheberechtsverstoß.
Rechtlich gibt es bestimmte Ausnahmen bzw. mindernde Umstände wenn der Beklagte lückenfrei Nachweisen kann das es wirklich rein zufällig passiert ist (siehe auch sogennantes "clean room reverse enginiering"), aber wenn das LLM Trainingsmaterial den ursprünglichen Quellcode enthält dürfte dies vor Gericht schwierig sein.
Als konkretes Beispiel wurde Suno kürzlich erfolgreich von der Gema verklagt da deren GenAI sehr ähnliche Lieder erzeugt und somit das Urheberrecht der von der Gema vertretenden Künstler verletzt. Ich denke das es nur eine Frage der Zeit ist bis es ähnliche Klagen auch bei größeren open-source Projekten geben wird.
Wir haben ja gerade die Situation dass jemand die halbe Adobe Creative Suite hat cleanroom-vibecoden lassen.
Ist vermutlich nicht das beste Beispiel, da der Photoshop Quellcode so weit ich weiß nicht öffentlich zugänglich ist, und somit vermutlich auch nicht zum trainieren der LLMs verwendet wurde.