Der Streit um Trainingsdaten erreicht die nächste große Plattform: Hachette Book Group, Cengage Learning, Elsevier und der Autor Scott Turow haben in New York Klage gegen Google eingereicht. Ihr Vorwurf lautet, Google habe Millionen urheberrechtlich geschützter Bücher und Fachtexte ohne Erlaubnis genutzt, um die Gemini-Modelle zu entwickeln. Google hat zu dem neuen Verfahren nach den vorliegenden Berichten noch keine inhaltliche Antwort abgegeben.
Der Fall ist mehr als ein Konflikt zwischen einem Technologiekonzern und Buchverlagen. Er berührt die Grundfrage, auf welcher Grundlage generative KI lernen darf — und ob Unternehmen, die Texte digital verfügbar machen, dafür eine Lizenz brauchen. Das Ergebnis wird nicht kurzfristig über Gemini entscheiden. Es kann aber mitbestimmen, welche Datenbeschaffung, Verträge und Nachweise künftig für KI-Anbieter nötig werden.
Das Wichtigste in Kürze
- Drei Verlage und Autor Scott Turow haben eine vorgeschlagene Sammelklage gegen Google wegen des Trainings von Gemini eingereicht.
- Die Kläger behaupten, Google habe Millionen Bücher und Artikel ohne Zustimmung kopiert und verwendet.
- Es handelt sich um Vorwürfe in einem laufenden Verfahren, nicht um eine gerichtliche Feststellung.
- Der Kernkonflikt betrifft nicht nur einzelne Ausgaben von Gemini, sondern die Herkunft und Lizenzierung von Trainingsmaterial.
- Für Nutzer dürfte die Klage vor allem langfristig Folgen haben: für Verlagslizenzen, Modelltransparenz und möglicherweise Kosten.
Wer klagt — und was genau behauptet wird
Nach Angaben der Association of American Publishers wurde die Klage am 10. Juli von Hachette, Cengage, Elsevier und Scott Turow eingebracht. Die Gruppe will auch andere Rechteinhaber vertreten. Ihre Darstellung ist deutlich: Google habe geschützte Texte in großem Umfang vervielfältigt, um Gemini zu entwickeln, ohne die notwendigen Rechte einzuholen oder die Rechteinhaber zu vergüten.
Besonders brisant ist ein Teil der Vorwürfe, der sich auf intern verfügbare Bücher bei Google Play Books bezieht. Die Kläger führen an, Google habe die Nutzung von „Publisher Provided“ Werken für KI intern selbst als rechtlich heikel eingeschätzt. Ob dies zutrifft, in welchem Umfang Texte tatsächlich in Trainingsprozesse einflossen und welche Rechte Google dafür besaß, muss nun das Verfahren klären. Aus einer Klageschrift folgt keine erwiesene Tatsache; sie legt zunächst die Sicht der Kläger dar.
Die Konstellation unterscheidet sich trotzdem von der oft abstrakten Debatte über das offene Web. Hier stehen große Fach- und Publikumsverlage gegenüber einem Unternehmen, das seit Jahren Bücher digitalisiert, vertreibt und mit ihnen arbeitet. Genau diese Nähe zwischen Infrastruktur, verfügbaren Volltexten und KI-Entwicklung macht den Fall juristisch und wirtschaftlich interessant.
Warum „Training“ der eigentliche Streitpunkt ist
Generative Modelle lernen statistische Muster aus großen Mengen an Text, Bild oder Ton. Anbieter betonen häufig, ein Modell speichere nicht einfach eine Bibliothek, aus der es später Seiten ausliefert. Rechteinhaber halten dagegen: Schon das massenhafte Kopieren für den Trainingsprozess könne eine erlaubnispflichtige Nutzung sein. Beide Aussagen können gleichzeitig den technischen Ablauf beschreiben und doch zu unterschiedlichen rechtlichen Bewertungen führen.
In den USA dreht sich ein großer Teil dieser Verfahren um Fair Use, also Ausnahmen vom Urheberrecht. Gerichte betrachten dabei unter anderem Zweck und Charakter der Nutzung, die Art des Werks, den Umfang der Übernahme und mögliche Folgen für den Markt. Es gibt keine Ein-Formel-Lösung für sämtliche KI-Modelle. Entscheidend sind etwa Herkunft der Daten, konkrete Kopiervorgänge, die Frage einer legalen Beschaffung und ob ein Angebot den Markt der Originalwerke ersetzt oder beeinträchtigt.
Darum ist die aktuelle Klage nicht bloß ein weiterer Titel in einer langen Liste. Sie könnte Dokumente und Entscheidungswege sichtbar machen, die bei der öffentlichen Diskussion meist fehlen. Zugleich bleibt Vorsicht angebracht: Ein Verfahren dieser Größe wird wahrscheinlich Jahre dauern, Zwischenentscheidungen erzeugen und vielleicht verglichen werden. Wer heute einen eindeutigen Sieger ausruft, verwechselt eine Klage mit einem Urteil.
Die wirtschaftliche Frage hinter dem Rechtsstreit
Für Verlage geht es nicht allein um Schadensersatz. Fach- und Lehrinhalte sind ein Geschäft mit Lizenzen, kuratierten Katalogen und verlässlicher Herkunft. Wenn ein Modell aus genau solchen Beständen lernt, entsteht die Frage, ob die Wertschöpfung der Rechteinhaber im Preis des KI-Produkts auftauchen muss. Elsevier und Cengage stehen beispielhaft für Inhalte, deren Aktualität und redaktionelle Prüfung einen direkten wirtschaftlichen Wert haben.
Für Google und andere KI-Anbieter steht umgekehrt die Skalierbarkeit auf dem Spiel. Individuelle Verhandlungen mit vielen Rechteinhabern können langsam und teuer sein; pauschale Regeln könnten aber neue, planbare Lizenzmärkte schaffen. Der Beitrag über Cloudflares Umgang mit KI-Bots zeigt dieselbe Verschiebung an anderer Stelle: Inhalteanbieter verlangen zunehmend nicht nur Sichtbarkeit, sondern Einfluss darauf, wer ihre Daten automatisiert auswertet.
Für Leser und Unternehmen wäre eine klare Rechtslage wertvoll, selbst wenn sie zunächst Kosten verursacht. Lizenzierte, nachvollziehbar beschaffte Daten können ein Verkaufsargument werden — insbesondere in Bildung, Forschung und regulierten Branchen. Zugleich darf Transparenz nicht bei Marketingformulierungen stehen bleiben. Entscheidend sind prüfbare Angaben darüber, welche Datenklassen ein Modell nutzt und wie Rechteinhaber widersprechen oder Verträge schließen können.
Was Nutzer jetzt daraus ableiten können
Im Alltag ändert die Klage zunächst keine Lizenz eines Gemini-Abos und keine Antwortqualität über Nacht. Wer KI für Schule, Forschung oder Redaktion einsetzt, sollte aber zwei Fragen trennen: Darf ich Material in ein Modell hochladen? Und auf welcher Datengrundlage wurde das Modell trainiert? Die erste Frage betrifft Datenschutz, Verträge und Vertraulichkeit im eigenen Arbeitsprozess. Die zweite ist eine Frage der Anbietertransparenz und der rechtlichen Risikoverteilung.
Organisationen sollten sich deshalb nicht auf ein pauschales „KI ist rechtlich geklärt“ verlassen. Sinnvoll sind dokumentierte Einsatzregeln, eine Prüfung der Vertragsbedingungen und gegebenenfalls Modelle oder Tarife, die Datenverwendung klarer begrenzen. Gerade bei Manuskripten, Lehrmaterial oder Forschungsdaten bleibt es vernünftig, nur Dienste zu nutzen, deren Umgang mit Eingaben nachvollziehbar geregelt ist.
Ausblick: Von der Datenquelle zum Lizenzmarkt
Die Gemini-Klage wird den Streit über KI und Urheberrecht nicht beenden. Sie macht jedoch sichtbar, dass die Phase des unklaren Datensammelns politisch und wirtschaftlich teurer wird. Gewinnen werden nicht automatisch die Anbieter mit den größten Datenmengen, sondern jene, die Herkunft, Rechte und Qualität ihrer Trainingsquellen glaubwürdig organisieren. Für Verlage eröffnet das die Chance auf neue Lizenzmodelle; für die Öffentlichkeit bleibt entscheidend, dass daraus nicht nur geschlossene Datenmärkte, sondern auch nachvollziehbare Regeln entstehen.