Beiträge von: Dr. Sophie Garling

Am 13.2.2026 erließ das AG München (Az. 142 C 9786/25) ein Urteil zur urheberrechtlichen Schutzfähigkeit von KI-generierten Logos. In dem Verfahren verneinte das Gericht den Schutz dieser Werke als persönlich geistige Schöpfungen im Sinne des § 2 Abs. 2 UrhG. Mangels Urheberrechtsschutzes standen dem Kläger somit keine Unterlassungs- oder Löschungsansprüche zu.

Ein kurzer Abriss zu dem wohl häufigsten Anwendungsfall: Dem Betreiben von KI gestützten Systemen, die nicht selbst entwickelt sind.

Die fortschreitende Digitalisierung bringt neben der hilfreichen Automatisierung, auch eine ganze Palette an juristischen Kopfschmerzen mit sich, ganz besonders für anwaltliche Berufsträger. Legal Tech Tools aus dem Bereich der KI und dabei insbesondere generative KI in Form von LLMs wie ChatGPT, Claude oder Gemini versprechen Effizienzsteigerung, revolutionäre Workflows und eine enorme Zeitersparnis. Doch Vorsicht: Wer sich blindlings auf diese Technologie einlässt, kann sich schnell in berufsrechtliche Grauzonen manövrieren. Denn eins ist klar: Das anwaltliche Berufsrecht hat kein Update auf „Version KI kompatibel“ erfahren.

Mit Urteil des Landgerichts München I vom 11.11.2025 (Az. 42 O 14139/24) ist erstmals in Deutschland eine grundlegende Entscheidung zur urheberrechtlichen Verantwortlichkeit von KI-Anbietern im Zusammenhang mit der Nutzung geschützter Werke beim Training Generativer KI ergangen. Klägerin war die Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte (GEMA), Beklagte waren zwei US-amerikanische Unternehmen der Unternehmensgruppe OpenAI, welche hinter dem KI-Modell ChatGPT stehen. Gegenstand des Verfahrens war die unlizenzierte Verwendung urheberrechtlich geschützter Songtexte aus dem GEMA-Repertoire als Trainingsdaten für die GPT-Modelle 4 und 4o sowie in Outputs des Chatbots.

ChatGPT ist ein auf generative KI gestütztes Sprachmodell von OpenAI, das auf der Transformer-Architektur basiert, einer grundlegenden Architektur, die auf Attention („Aufmerksamkeit“) fußt und so besonders gute Ergebnisse in Zusammenhängen langer Datensequenzen erzielt. Es wurde mit großen Textmengen aus dem Internet trainiert und durch Reinforcement Learning mit menschlichem Feedback (RLHF) optimiert. Dadurch kann es Texte generieren, Fragen beantworten, komplexe Sachverhalte erklären und in natürlicher Sprache interagieren.