Fundierte Artikel über Technologien, die das Kommende formen.

KI-generierter Code und Urheberrecht: 5 Mythen im Test

Ist KI-generierter Code gemeinfrei? Erbt er Open-Source-Lizenzen? Wir testen 5 Urheberrechtsmythen und liefern einen Provenienz-Leitfaden für heute.

Eine Waage, auf der leuchtende Codestränge gegen einen Füllfederhalter balanciert werden, in einem zerfallenden Archiv.
Das Urheberrecht wurde für Stifte und Autoren gebaut; jetzt gerät es unter Code, den niemand so richtig geschrieben hat.

Ein Entwickler aus meinem alten Team hat mich einmal halb im Scherz gefragt, ob die 400 Zeilen, die Copilot ihm gerade geschrieben hatte, überhaupt der Firma gehören. Niemand hatte eine gute Antwort, und die Rechtsabteilung, die wir schließlich gefragt haben, gab die schlechteste Antwort überhaupt: „Das ist unklar.“ Diese Frage steht jetzt als Provokation ganz oben auf der Hacker-News-Startseite – die These, dass aller KI-generierter Code Open Source sein sollte – und der Thread darunter zeigt, wie schlecht unsere Intuitionen zu Urheberrecht, Trainingsdaten und Urheberschaft mit dem übereinstimmen, was das Gesetz tatsächlich sagt. Ich habe jahrelang sowohl Modelle trainiert als auch Code ausgeliefert, der damit geschrieben wurde. Deshalb nehme ich die fünf Überzeugungen, die ich am häufigsten selbstsicher wiederholt sehe, und prüfe jede einzeln anhand dessen, was wir tatsächlich wissen.

Mythos 1: „KI-generierter Code ist gemeinfrei, Punkt“

Das ist der Mythos mit dem meisten juristischen Unterbau, und trotzdem ist er nur halb wahr. Das US Copyright Office vertritt konsequent die Linie: Urheberrecht schützt menschliche Urheberschaft, rein maschinell erzeugtes Material ist nicht eintragungsfähig. Diese Position stützt sich auf den Affen-Selfie-Fall (Naruto v. Slater), in dem der Neunte Berufungsgerichtshof entschied, dass ein Makake das Foto, das er gemacht hat, nicht besitzen kann. Sie hat auch eine direkte Anfechtung in Thaler v. Perlmutter überstanden, wo Gerichte es ablehnten, Kunstwerke einzutragen, die eine KI als alleinige Urheberin nannten. Soweit, so klar.

Aber fast niemand liefert rein KI-generierte Software aus. Die eigene Leitlinie des Copyright Office zieht die Linie, die in der Praxis wirklich zählt: KI als unterstützendes Werkzeug hebt den Urheberrechtsschutz am Werk als Ganzem nicht auf, und die Auswahl, Anordnung und Überarbeitung von KI-Output durch einen Menschen kann selbst schutzfähiger Ausdruck sein. Deine 50.000-Zeilen-Anwendung, in der ein Agent die meisten Funktionen geschrieben hat, ein Mensch aber das System entworfen, die Grenzen festgelegt sowie den Output geprüft und bearbeitet hat? Diese Codebasis ist als Ganzes mit ziemlicher Sicherheit urheberrechtlich geschützt, auch wenn einzelne generierte Funktionen für sich betrachtet das vielleicht nicht wären. Die Behauptung „alles ist gemeinfrei“ bricht zusammen, sobald ein Mensch mehr tut, als einen Prompt einzufügen und das Ergebnis zu committen.

Und die USA sind nicht die Welt. Der Copyright, Designs and Patents Act des Vereinigten Königreichs gewährt computergenerierten Werken ausdrücklich Schutz und schreibt die Urheberschaft der Person zu, die die für die Erstellung nötigen Vorkehrungen getroffen hat, und zwar für fünfzig Jahre. Einige andere Rechtsordnungen haben ähnliche Regelungen. Dieselbe Datei kann also in San Francisco nicht schutzfähig und in London urheberrechtlich geschützt sein. „Gemeinfrei, Punkt“ ist keine juristische Position, sondern ein Slogan, der zufällig auf die Doktrin eines Landes für einen eng umrissenen Fall zeigt.

Mythos 2: „Trainiert auf Open Source heißt, der Output erbt die Lizenz“

Das ist der moralische Motor des Arguments „Macht alles Open Source“: Modelle haben jahrzehntelang GPL-, MIT- und Creative-Commons-Werke aufgesaugt – Stack-Overflow-Antworten stehen unter CC BY-SA, was rechtlich Namensnennung und Weitergabe unter gleichen Bedingungen verlangt – und deshalb sei es Lizenzwäsche, daraus proprietären Code zu machen. Ich habe dafür echtes Verständnis. Mein eigener AGPL-Code steckt in diesen Trainingsdaten. Als juristische Behauptung wurde das aber bereits getestet, und sie ist größtenteils gescheitert.

Im Fall Doe v. GitHub, der Sammelklage gegen Copilot, hat das Gericht die Kerntheorie zerlegt, nach der Modell-Outputs automatisch die Pflichten aus ihren Trainingsdaten tragen. Die Ansprüche nach dem DMCA wegen der Urheberrechtsmanagementinformationen wurden weitgehend abgewiesen, und die Open-Source-Lizenzansprüche scheiterten meist an der Klagebefugnis – die Kläger konnten nicht zeigen, dass ihr Code in den Outputs reproduziert wurde. Die Begründung des Richters ist für dein Risikomodell wichtig: Eine Lizenz hängt an einer Kopie. Wenn das Modell deinen Code nie ausgibt, gibt es keine Kopie, keine Ableitung und nichts, woran die Lizenz hängen könnte. Statistischer Einfluss ist kein Kopieren, genauso wenig wie ein Programmierer, der Linux-Quellcode gelesen hat, der Kernel-Community danach eine Lizenz für alles schuldet, was er schreibt.

Der Teil, den die Leute überspringen: Die Ausnahme ist real, und sie sollte dich nachts wachhalten. Wenn ein Modell Trainingsdaten tatsächlich nahezu wortgleich reproduziert – und frühere Modelle haben genau das mit erkennbaren Open-Source-Dateien getan, manchmal sogar mit entfernten Copyright-Headern –, kannst du absolut unwissentlich eine Ableitung des GPL- oder AGPL-Codes von jemand anderem ausliefern. Ein Kommentator im Thread, Autor weit verbreiteter AGPL-Systeme, beschrieb genau das: Eine Firma entfernte seine Hinweise, flog auf und ließ dann ein LLM sein System „klonen“ – fehlerhafter, aber unverkennbar sein Design. Ob dieser Klon ein abgeleitetes Werk ist, ist wirklich ungeklärt, und es ist die Art von Frage, die teuer vor Gericht und Fall für Fall beantwortet wird. Die pauschale Regel „Output erbt die Trainingslizenzen“ ist falsch. Die enge Regel „eine nahezu wörtliche Reproduktion ist ein reales Haftungsrisiko“ stimmt. Kluge Teams planen für Letzteres.

Origami-Kraniche, die in einen Glastrichter geschüttet werden und als eine mehrdeutige graue Form herauskommen.
Millionen lizenzierter Werke gehen hinein; was herauskommt, entspricht keinem einzelnen davon – bis es selten doch passiert.

Mythos 3: „Ich habe den Prompt geschrieben, also gehört mir der Code“

Dreh den ersten Mythos um, und du bekommst diesen hier, den Leute auf der anderen Seite der Debatte genauso selbstsicher vertreten. Das Copyright Office hat das in seinem Bericht zur Schutzfähigkeit direkt angesprochen: Prompts allein bieten in der Regel keine ausreichende menschliche Kontrolle über die ausdrucksstarken Elemente des Outputs, um den Prompter zum Urheber zu machen. Der Prompt ist eine Anweisung; das Modell trifft die gestalterischen Entscheidungen. Gerichte wenden dieselbe Logik seit einiger Zeit auf Bildgeneratoren an, und Code unterscheidet sich dabei nicht grundsätzlich.

Richtig spannend wird es bei iterativer, agentischer Arbeit. Mehrere Praktiker in der Diskussion beschrieben Schleifen, in denen der Agent zwanzig Minuten lang Code schreibt, während Stunden oder Tage menschliches Testen, Feedback aus der Praxis, Neugestaltung und erneutes Prompten folgen. Dieses Muster ist juristisch wichtig, denn die stärkste Urheberrechtstheorie für KI-gestützte Arbeit betrifft nicht die Urheberschaft einzelner Zeilen, sondern den kreativen Beitrag des Menschen zum Werk als Ganzem: Auswahl, Koordination, Anordnung und Überarbeitung. Ein System, das durch Hunderte gelenkte Revisionszyklen geformt wurde, ähnelt eher einer von einem Menschen verfassten Zusammenstellung als dem Affen-Selfie. Aber beachte, was das impliziert: Dein Anspruch auf das Eigentum stützt sich auf den Prozess, und einen Prozess, den du nicht dokumentieren kannst, kannst du nicht geltend machen. Wenn deine Firma ihr Urheberrecht an dieser Codebasis je durchsetzen muss – gegen einen Ex-Mitarbeiter, das Due-Diligence-Team eines Käufers, einen Wettbewerber –, ist „vertrau mir, da war ein Mensch beteiligt“ kein Beweis. Deshalb gibt es den pragmatischen Abschnitt weiter unten.

Eine weitere Wendung, die selten zur Sprache kommt: Arbeitsverträge und Verträge mit Auftragnehmern leisten hier ohnehin den Großteil der echten Arbeit. Die Work-for-hire-Doktrin weist das Urheberrecht – was auch immer davon existiert – dem Arbeitgeber zu. Die praktische Eigentumsfrage innerhalb einer Firma ist also meist vertraglich geregelt, unabhängig von der Metaphysik der Urheberschaft. Die unbequeme Frage ist, was der Vertrag eigentlich beansprucht, wenn sich Teile des Liefergegenstands als von niemandem besitzbar herausstellen.

Mythos 4: „KI-Code per Zwang Open Source zu machen, würde das Fairness-Problem lösen“

Nimmt man den Vorschlag einen Moment ernst, bricht er beim Kontakt mit der Realität aus drei unabhängigen Gründen zusammen. Erstens hebelt er sich als rechtlicher Mechanismus selbst aus: Open-Source-Lizenzen sind Urheberrechtslizenzen. Sie existieren, damit ein Rechteinhaber Nutzungsrechte an etwas vergeben kann, das ihm gehört. Ist KI-generierter Code nicht urheberrechtlich schutzfähig, gibt es nichts zu lizenzieren – MIT, GPL, alles davon ist mangels Schutzgegenstand ungültig. Die einzig schlüssige Variante des Vorschlags ist eine Widmung als gemeinfrei wie CC0, und eine Widmung, die man nicht durchsetzen kann, ist kein Mandat, sondern ein Wunsch.

Zweitens ist der Umfang nicht handhabbar. Code als Open Source zu veröffentlichen ist kein Zustand, sondern eine Handlung – jemand muss Geheimnisse entfernen, Geschäftslogik herausnehmen, eine README schreiben und ein Repository auswählen. Der weitaus größte Teil des Codes der Welt ist proprietär, peinlich spezifisch für die internen Prozesse einer Firma und inzwischen überwiegend KI-gestützt. Was würde es konkret bedeuten, all das unfreiwillig zu veröffentlichen? Wer bezahlt den Bereinigungsdurchgang, der deine Kundendaten aus dem Dump heraushält? Niemand, der das vorschlägt, hat darauf eine Antwort, weil es keine gibt. Ein verwandtes Fehlerbild haben wir in KI-generierten Apps, die ohne Row-Level-Security ausgeliefert werden, behandelt – die Tools liefern bereitwillig Code, der Daten leakt, wenn er überhaupt funktioniert. Stell dir nun vor, man würde verlangen, genau diesen Code zu veröffentlichen.

Drittens würde es nicht einmal das erklärte Ziel erreichen. Der Kritikpunkt lautet, dass die Modellanbieter die Allmende vereinnahmt haben. Wenn man die Nutzer der Modelle zwingt, ihren Output zu veröffentlichen, geben die Anbieter dadurch nichts zurück – es nimmt lediglich den Schutz der Partei weg, die in der Kette die wenigste Macht hat. Wenn du glaubst, dass der Handel mit den Trainingsdaten unfair war, ist eine Abhilfe, die sich gegen die Leute richtet, deren Code abgegriffen wurde, auf das falsche Ziel gerichtet. Die stärkste Version des Arguments, der ich tatsächlich zustimme, ist die moralische, nicht die rechtliche: Wir, die wir enorm von einem auf der Allmende trainierten Werkzeug profitieren, sind verpflichtet, Wert an die Allmende zurückzugeben. Bibliotheken veröffentlichen, Maintainer finanzieren, Fixes upstream einreichen. Das ist aber eine Haltung, die man übernehmen sollte, und kein Gesetz, das den ersten Kontakt mit einem Parlament überstehen würde.

Mythos 5: „Unser Lizenz-Scanner erledigt das bereits“

Wenn nur. Werkzeuge zur Lizenz-Compliance – die FOSSAs und Black Ducks dieser Welt – beruhen auf einer Provenienz-Annahme, die KI stillschweigend aushebelt. Diese Tools beantworten die Frage „Was hast du eingebunden?“, indem sie deine Abhängigkeiten und vendorisierten Dateien mit bekannten Paketen abgleichen. Das funktioniert, weil von Menschen geschriebener Code über Kanäle mit Metadaten ankommt: Paket-Registries, kopierte Dateien, die ihre Header behalten, vendorisierte Verzeichnisse mit intakten LICENSE-Texten. KI-generierter Code kommt über einen Kanal ohne jede Metadaten an. Ein Modell kann dreißig Zeilen ausgeben, die eine nahezu paraphrasierte AGPL-Hilfsfunktion sind, ohne Header, ohne Attribution und ohne Paket, mit dem man abgleichen könnte – und dein Scanner hält den Code für Eigenentwicklung. Das Risiko steckt nicht in deinem Abhängigkeitsbaum, sondern in deinen Quelldateien, die das Tooling kaum anschaut.

Das ist derselbe blinde Fleck, auf den wir an anderer Stelle gestoßen sind: Wie beim Supply-Chain-Vorfall bei LiteLLM lag das Versagen nicht im Code, den die Leute geprüft haben, sondern in einem Kanal, dem sie blind vertraut haben. Die Lösung ist in beiden Fällen, dem Kanal nicht mehr zu vertrauen und aufzuzeichnen, was durch ihn hindurchfließt. Das ist Provenienz-Tracking, und das solltest du in deinem Team dieses Quartal tun, egal wie irgendein Gericht entscheidet – denn jede plausible rechtliche Zukunft (KI-Code ist nicht schutzfähig, KI-Code ist schutzfähig, wenn ein Mensch ihn lenkt, wörtliche Reproduktion ist Verletzung) belohnt das Team, das seine Arbeit nachweisen kann, und bestraft das, das es nicht kann.

Ein Arbeiter markiert Holzbohlen, die von einer markierten und einer unmarkierten Rutsche kommen.
Provenienz ist eine Gewohnheit: Alles beim Eingang markieren, besonders das, was über die unmarkierte Rutsche kommt.

Was du konkret tun solltest: ein Playbook für Provenienz und Hygiene

Dafür braucht es weder neues Recht noch neue Anbieter. Es sind vier Gewohnheiten, alle günstig und unter jedem der auf dem Tisch liegenden rechtlichen Zukunftsszenarien verteidigbar.

  1. KI-Unterstützung in den Commit-Metadaten kennzeichnen. Git-Trailer sind dafür gemacht. Ein Assisted-By:-Trailer kostet nichts und baut ein prüfbares Protokoll darüber auf, welcher Code maschinell beeinflusst wurde – nützlich für Due Diligence, für die Lizenzprüfung und um den menschlichen kreativen Prozess zu belegen, auf dem dein Urheberrechtsanspruch beruht.
  2. Die menschliche Schleife sichtbar halten. PR-Beschreibungen wie „vom Agenten generiert, ich habe die Retry-Logik und die Grenzfälle neu geschrieben“ sind juristische Beweise, die als gute Hygiene getarnt sind. Der Review-Schritt ist außerdem der Ort, an dem du das Problem der wörtlichen Reproduktion abfängst, bevor es ausgeliefert wird. Einen ähnlichen Gedanken haben wir in KI-Code-Verständnisprüfungen vs. Tests formuliert: Der Mensch muss sich tatsächlich mit dem Output auseinandersetzen und ihn nicht einfach durchwinken.
  3. Auf Code scannen, nicht nur auf Abhängigkeiten. Tools, die Snippet-genaues Matching gegen Open-Source-Korpora durchführen (das ist etwas anderes als SCA-Abhängigkeitsscans), finden die nahezu wörtlichen Fälle, die echte Copyleft-Risiken erzeugen. Laufe damit über KI-lastige Commits und stelle die eingebauten Duplikatfilter deiner KI-Tools – etwa die Copilot-Einstellung „Vorschläge blockieren, die öffentlichem Code entsprechen“ – auf streng.
  4. Copyleft als Grenze behandeln. Permissive Lizenzen (MIT, BSD, Apache) bergen selbst im schlimmsten Fall wörtlicher Reproduktion nur minimales Risiko. GPL und vor allem AGPL sind dort, wo eine versehentliche Ableitung teuer wird. Findet dein Scan eine Übereinstimmung mit Copyleft-Code, schreibe neu aus der Spezifikation, nicht aus dem Snippet.

Die Commit-Trailer-Konvention ist der wirkungsvollste Baustein und in fünf Minuten eingerichtet. Ein prepare-commit-msg-Hook kann danach fragen, und die CI kann erzwingen, dass der Trailer vorhanden ist, wenn ein PR als KI-unterstützt markiert ist:

#!/bin/bash
# scripts/check-provenance.sh — run in CI on pull requests
# Fails if a PR labeled "ai-assisted" has commits without an Assisted-By trailer.
set -euo pipefail
BASE="${1:-origin/main}"
missing=$(git log --format='%H %(trailers:key=Assisted-By,valueonly)' "${BASE}..HEAD" \
| awk '{ if ($2 == "") print $1 }')
if [ -n "$missing" ]; then
echo "These commits lack an 'Assisted-By:' trailer:" >&2
echo "$missing" >&2
echo "Add e.g.:  git commit --trailer 'Assisted-By: claude-code (reviewed)'" >&2
exit 1
fi
echo "Provenance trailers present on all commits."

Der Trailer sollte das Tool festhalten und – entscheidend – dass ein Mensch den Output geprüft hat. Assisted-By: copilot (reviewed) erzählt einem künftigen Prüfer eine ganz andere Geschichte als Assisted-By: copilot allein. Ergänze das um einen kurzen Abschnitt in deinem Engineering-Handbuch, der festlegt, was in deinem Laden als sinnvoller menschlicher Beitrag zählt: Architekturentscheidungen, Testdesign, nicht triviale Änderungen. Du machst das nicht, weil ein Gericht es verlangt. Du machst es, weil bei jedem Ausgang des Rechtsstreits „wir haben es nachverfolgt“ besser ist als „wir haben keine Ahnung“.

Das Urteil

Das Recht muss nicht geklärt sein, ob KI-Code besitzbar ist, bevor du handelst: Jeder plausible Ausgang belohnt das Team, das seinen Prozess dokumentiert hat, und bestraft das, das es nicht getan hat.

Also, gemessen an der Evidenz: KI-generierter Code ist nicht pauschal gemeinfrei, denn menschliche Urheberschaft am Werk als Ganzem zählt weiterhin, und die Rechtsordnungen sind sich uneinig. Training auf Open Source macht Outputs nicht zu Open Source – Gerichte haben diese Theorie größtenteils verworfen –, aber wörtliche Reproduktion ist ein echtes, unterschätztes Risiko. Prompten macht dich nicht zum Urheber, wohl aber anhaltende, dokumentierte menschliche Steuerung. Ein verpflichtendes Open-Source-Regime ist als Recht widersprüchlich und als Politik nutzlos. Und dein Lizenz-Scanner ist blind für genau den Kanal, der heute den Großteil deines Codes produziert. Die Debatte, ob KI-Code frei sein sollte, ist ein gutes Gespräch bei einem Bier. Die technische Antwort wartet nicht darauf: Provenienz nachverfolgen, Menschen sichtbar in der Schleife halten, auf Snippet-Ebene scannen und Copyleft als Stolperdraht behandeln. Das gilt heute, und es bleibt gültig, wie die Gerichte am Ende auch entscheiden.