GEMA vs. Suno

Die GEMA (95.000 Mitglieder; Vertretung von >2 Mio. internationalen Rechteinhabern) hat am 21.01.2025 vor dem LG München I Klage gegen den KI-Musikdienst Suno eingereicht. Vorwurf: großflächige Urheberrechtsverletzungen durch Training und Output des Generators. Ziel laut GEMA: keine Verbote, sondern faire Vergütung der Urheber.

Kern der Vorwürfe & Forderungen

• Zwei Ebenen der Verletzung:

  1. Vervielfältigungsrecht durch Nutzung/„Erstellung der Aufnahmen in den Systemen“ (Training).

  2. Output-Nähe zu Originalen (Beispiel „Daddy Cool“), die auf Trainingsnutzung schließen lasse.

• Lizenzmodell (Zwei-Säulen-Vorschlag):
  – Säule 1: Vergütung fürs Training (u. a. 30 % der Suno-Nettoerlöse + Mindestvergütung, outputbezogen).
  – Säule 2: Beteiligung an der Nutzung der generierten Musik, da diese oft stark auf Originalen basiere.

• Motivation: GEMA-Studie: 71 % der Mitglieder sehen ihre Existenz gefährdet; bis 2028 drohten ~950 Mio. € Tantiemenverluste.

Rechtlicher Hintergrund (strittige Punkte)

• Text- & Data-Mining (TDM):
  § 60d UrhG (Wissenschaft) vs. § 44b UrhG (allgemeines TDM mit Opt-out/Nutzungsvorbehalt).
  – LG Hamburg (27.09.2024): TDM für Non-Profit (LAION) zulässig; Suno ist kommerziell → § 60d greift eher nicht.
  – Knackpunkt: Maschinenlesbarer Opt-out der GEMA nach § 44b – erst ab 2022 in Verträgen verankert; Nutzung 2021–2022 könnte legal gewesen sein.

• Öffentliche Wiedergabe: Ob die Generierung selbst eine „Wiedergabe“ ist, ist umstritten; Nähe zum Original kann Unterlassungsansprüche auslösen – oft trifft Haftung aber Nutzer der Outputs.

• AI Act (EU): Pflichten für Mehrzweck-KI (u. a. Urheberrechts-Compliance-Policy) gelten erst ab 2. August 2025; Streitpunkt dürfte sein, ob Suno präventive Vorkehrungen gegen rechtsverletzende Ergebnisse hätte treffen müssen.

Die Klage adressiert eine Regelungslücke im Umgang mit KI-Musik. Die Vergütungsforderung ist politisch/ökonomisch plausibel, juristisch aber nicht durchgehend geklärt. Prägend wird, wie Gerichte Opt-outs, Transparenz und Output-Ähnlichkeit bewerten – mögliches Leiturteil für künftige KI-Musikfälle.