KI-Musikgeneratoren: Suno-Urteil stärkt Rechteinhaber
Das Urteil des LG München I vom 31. Juli 2026 (Az. 42 O 763/25) gegen den KI-Musikgenerator Suno gehört zu den bislang wichtigsten Entscheidungen zum Urheberrecht bei generativer KI. Das Gericht nimmt nicht nur den erzeugten Output in den Blick, sondern bewertet auch das Training der Modelle, die Speicherung geschützter Werke und die Verantwortlichkeit des Anbieters. Für Unternehmen, die generative KI entwickeln oder einsetzen, liefert das Urteil wichtige Hinweise zu Lizenzierung, Datenherkunft und Compliance.
Mit seinem Urteil hat das Gericht den Ansprüchen der GEMA gegen Suno auf Unterlassung, Auskunft und Schadensersatz überwiegend stattgegeben. Streitgegenstand waren sechs bekannte Musikwerke („Forever Young“, „Atemlos durch die Nacht“, „Rasputin“, „Big in Japan“, „Daddy Cool“ sowie der Refrain von „Mambo No. 5 A Little Bit of“). Dabei ging es nicht um etwaige Verletzungen durch Liedtexte, sondern um die Komposition der Werke selbst. Gegenstand des Verfahrens waren die Suno-Modelle in den Versionen v3.5 und v4. Das Urteil ist noch nicht rechtskräftig.
Das LG München I trennt Training, Memorisierung und Output
Die 42. Zivilkammer bewertet das Training der Modelle in den USA, die Memorisierung in den in Deutschland gespeicherten Modellen und die Erzeugung der Outputs jeweils gesondert. Daneben behandelt sie auch das Angebot des Modells als eigene Handlung der öffentlichen Wiedergabe.
Für das Training extrahierte Suno nach den Feststellungen des Gerichts die sechs Musikwerke mittels Stream-Ripping von YouTube und umging dabei den sogenannten Rolling Cipher. Die so gewonnenen Dateien nutzte das Unternehmen zum Training seiner KI-Modelle in den USA. Die dabei entstandenen Vervielfältigungen waren nach Auffassung der Kammer nicht durch die US-amerikanische fair use-Doktrin gedeckt.
Die trainierten Modelle v3.5 und v4 wurden anschließend auf Servern in Deutschland gespeichert. Weil sie auf einfache Prompts hin Songs erzeugten, in denen originelle Elemente der Originalkompositionen wiedererkennbar waren, schloss das Gericht darauf, dass die geschützten Werke in den Modellen „memorisiert“, also reproduzierbar enthalten waren. Dies wertete es als eigenständige Vervielfältigung nach § 16 UrhG. Auch die erzeugten Songs verletzten nach Auffassung der Kammer das Urheberrecht: Sie waren zwar keine identischen Kopien der Originalwerke, enthielten aber wiedererkennbare geschützte Elemente.
Gezielt steuernde Prompts könnten die Tatherrschaft verlagern
Ob die erzeugten Songs geschützte Elemente übernahmen, prüfte die Kammer durch einen Vergleich der Outputs mit den Originalwerken. Dabei sah sie die originellen Elemente der Musikwerke aus Sicht eines durchschnittlichen Musikhörers als wiedererkennbar an. Die Ausgestaltung der Prompts war für diese Beurteilung nicht maßgeblich, sondern erst für die anschließende Frage, wem die Outputs zuzurechnen sind. Die Klägerseite hatte jeweils nur den originalen Liedtext, den gewünschten Musikstil und den Werktitel eingegeben; Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement enthielten die Prompts nicht.
Die Kammer rechnete die durch die Outputs bewirkten Vervielfältigungen Suno zu. Das Unternehmen habe die Trainingsdaten ausgewählt, die Modellarchitektur bestimmt und die Memorisierung verantwortet. Diese Tatherrschaft habe Suno durch die bloße Eingabe der Prompts nicht an die Nutzer verloren. Anders könnte es nach Ansicht des Gerichts sein, wenn ein Nutzer den Output durch mehrfach geänderte, wertende oder suggestive Vorgaben gezielt steuert. Die streitgegenständlichen Prompts waren dagegen einfach und ergebnisoffen; den konkreten musikalischen Inhalt hätten daher nicht die Nutzer, sondern die von Suno betriebenen Modelle bestimmt.
LG München I bezieht auch KI-Training in den USA ein
Bemerkenswert ist zudem der internationale Zuschnitt der Entscheidung. KI-Anbieter können sich jedenfalls gegenüber Klagen von Verwertungsgesellschaften nicht allein dadurch einer Prüfung durch deutsche Gerichte entziehen, dass das Training in den USA stattfindet. Nach Auffassung der Kammer erlaubt § 131 Abs. 2 VGG, Ansprüche wegen inländischer Nutzungshandlungen und wegen US-Trainingshandlungen gegen denselben Verletzer vor einem deutschen Gericht zu bündeln. Für das Training in den USA wandte die Kammer nach dem Schutzlandprinzip jedoch US-amerikanisches Urheberrecht an.
Für Anbieter ist das auch jenseits des Einzelfalls relevant. Die Kammer verneint die im US-Urheberrecht vorgesehene fair use-Schranke nicht abstrakt für jedes KI-Training, sondern für die konkrete Nutzungskonstellation. Entscheidend zu prüfen seien vier Faktoren: Zweck und Charakter der Nutzung, Art des urheberrechtlich geschützten Werks, Umfang und Bedeutung des genutzten Teils im Verhältnis zum urheberrechtlich geschützten Werk als Ganzem sowie die Auswirkungen der Nutzung auf den potenziellen Markt oder den Wert des urheberrechtlich geschützten Werks. Wer mit urheberrechtlich geschützten Werken trainiert, kann sich jedenfalls dann nicht ohne Weiteres auf fair use berufen, wenn das Modell die geschützten Werke oder jedenfalls deren originelle Elemente in wesentlich ähnlicher Form wiedergibt.
Memorisierung im Modell: § 44b UrhG greift nicht
Die Kammer stellt zunächst klar, dass die Text-und-Data-Mining-Schranke des § 44b UrhG grundsätzlich auch auf das Training generativer KI anwendbar ist. Sie erlaubt jedoch nur Vervielfältigungen, die für die automatisierte Analyse digitaler Werke erforderlich sind, etwa bei der Erstellung des Trainingskorpus. Die dauerhafte Übernahme geschützter Werkbestandteile in die Modellparameter dient nach Auffassung der Kammer keiner weiteren Datenanalyse und ist daher nicht von § 44b UrhG gedeckt. Unabhängig davon fehle es an einem rechtmäßigen Zugang zu den Werken, weil Suno sie unter Umgehung des Rolling Cipher von YouTube heruntergeladen habe.
Öffentliche Wiedergabe auch ohne verlässliche Abrufbarkeit
Daneben befasste sich das Gericht mit der öffentlichen Wiedergabe. Im GEMA/OpenAI-Verfahren hatte die Kammer eine öffentliche Zugänglichmachung nach § 19a UrhG bejaht. Im vorliegenden Fall verneinte sie diese, weil die Musikwerke nicht verlässlich und damit nicht zu einem vom Nutzer gewählten Zeitpunkt abrufbar waren. Das Angebot des Modells und die streitgegenständlichen Outputs verletzten nach Auffassung der Kammer dennoch das unbenannte Recht der öffentlichen Wiedergabe nach § 15 Abs. 2 UrhG. Das Urteil führt damit die bereits im GEMA/OpenAI-Urteil angenommene Verantwortlichkeit des Modellbetreibers für die öffentliche Wiedergabe fort, stützt sie hier aber auf eine andere rechtliche Grundlage.
Suno-Urteil erhöht den Druck auf Lizenzierung und Compliance
Die Münchner Kammer setzt damit ihre im Kontext generativer KI erkennbare Linie fort und überträgt sie auf KI-Musikgeneratoren. Für Rechteinhaber stärkt das Urteil die Möglichkeit, in Deutschland gegen Anbieter vorzugehen, wenn Modelle hier gespeichert oder in Deutschland angeboten werden. Für Anbieter generativer Musiksysteme steigt umgekehrt der Druck, Lizenzierungsmodelle, Datenherkunft, technische Schutzmaßnahmen und interne Dokumentation belastbar zu klären.
Fazit: Was das Suno-Urteil für KI-Anbieter bedeutet
- Das LG München I bewertet Training, Memorisierung, Modellangebot und Output als eigenständige urheberrechtliche Prüfungsebenen.
- Die Haftung kann bereits beim Training und der Speicherung geschützter Werke beginnen und beschränkt sich nicht auf den generierten Output.
- Erst gezielt steuernde Prompts könnten die Tatherrschaft auf den Nutzer verlagern; einfache, ergebnisoffene Prompts genügen dafür nicht.
- Für Anbieter generativer KI gewinnen Lizenzierung, Herkunft der Trainingsdaten und technische Dokumentation weiter an Bedeutung.
- Das Urteil dürfte die Entwicklung von Compliance- und Lizenzierungsstrategien für KI-Musikgeneratoren nachhaltig beeinflussen.
