Gericht verlangt Namen und Entscheidungswege
Meta muss offenlegen, welche Führungskräfte das Herunterladen urheberrechtlich geschützter Bücher aus Schattenbibliotheken wie LibGen und Anna's Archive autorisiert haben. Das hat US-Richter Thomas Hixon im Rahmen mehrerer Urheberrechtsverfahren angeordnet.
Zu den Klägern gehören Buchautoren wie Sarah Silverman und Richard Kadrey sowie der Verlag Entrepreneur Media. Die Autoren führen eine Sammelklage. Gegenstand der Verfahren sind unter anderem Datensätze, die für das Training von Llama 1 und Llama 2 eingesetzt worden sein sollen.
Schattenbibliotheken sind nicht autorisierte Sammlungen digitaler Bücher und wissenschaftlicher Texte. Meta soll nach Darstellung der Kläger zwischen 2022 und 2024 wiederholt BitTorrent genutzt haben, um solche Bestände herunterzuladen.
Metas Darstellung überzeugt das Gericht nicht
Meta argumentierte, in der frühen Phase des KI-Trainings habe ein informeller Ansatz gegolten. Formelle Entscheidungen auf Führungsebene seien deshalb nicht getroffen worden. Die eigentlichen Downloads seien technisch von einzelnen Mitarbeitern ausgeführt worden.
Interne Protokolle zeichnen jedoch ein anderes Bild. Mitarbeiter äußerten Bedenken und verwiesen darauf, dass für die Nutzung der Daten im Training Genehmigungen auf Director- oder VP-Ebene erforderlich gewesen seien.
„Torrenting von einem Firmen-Laptop fühlt sich nicht richtig an“, schrieb ein Meta-Mitarbeiter laut einer internen Nachricht, sinngemäß ins Deutsche übersetzt.
Eine weitere entsiegelte Nachricht spricht im Zusammenhang mit LibGen von einer „vorherigen Eskalation an MZ“, sinngemäß übersetzt. Damit ist offenbar Mark Zuckerberg gemeint. Ob Zuckerberg die Downloads persönlich freigegeben hat, ist bislang jedoch nicht belegt.
Hixon folgte auch nicht Metas Argument, Genehmigungen seien das Ergebnis gemeinsamer Gespräche gewesen und deshalb keiner einzelnen Person zuzuordnen. Die Anordnung verlangt nicht nur einen zentralen Entscheider. Meta soll alle Personen nennen, die entsprechende Entscheidungen getroffen, autorisiert oder genehmigt haben.
Mehr als 116 Terabyte aus Schattenbibliotheken
Die Kläger nennen erhebliche Datenmengen. Ob alle heruntergeladenen Inhalte tatsächlich für das Training verwendet wurden, ist damit noch nicht geklärt.
| Quelle | Datenmenge laut Klägern |
|---|---|
| LibGen | 80,6 Terabyte |
| Anna's Archive | 35,7 Terabyte |
| Summe | 116,3 Terabyte |
Der Beschluss verpflichtet Meta außerdem zur Herausgabe von Befehlsverlaufs-Protokollen. Betroffen sind alle verwendeten Server, virtuellen Maschinen und AWS-Instanzen. Die Protokolle könnten zeigen, wie die Torrent-Downloads technisch ausgeführt wurden und ob Meta Dateien an andere Teilnehmer weiterverteilte.
Streitpunkt Seeding
Bei BitTorrent werden Daten typischerweise nicht nur heruntergeladen. Teilnehmer können bereits empfangene Teile zugleich an andere Nutzer übertragen. Dieser Vorgang wird als Seeding bezeichnet.
Meta erklärt, technische Schutzmaßnahmen eingesetzt zu haben, um eine solche Weiterverteilung zu verhindern. Ob diese Maßnahmen tatsächlich funktionierten, ist nicht belegt. Genau dazu sollen die angeforderten Protokolle weitere Erkenntnisse liefern.
Die Anordnung entscheidet noch nicht über die rechtliche Zulässigkeit des Trainings oder der Nutzung von Llama 1 und Llama 2. Sie betrifft zunächst die Beweisaufnahme und die Frage, wer innerhalb des Konzerns Entscheidungen getroffen hat.
Trainingsdaten werden zum Compliance-Risiko
Der Fall ist Teil einer breiteren Auseinandersetzung um die Herkunft von KI-Trainingsdaten. Auch Metas Pläne zum Scraping von Websites seiner Geschäftskunden zeigen, wie wichtig nachvollziehbare Regeln für die Datenerhebung werden.
Für Unternehmen im DACH-Raum ist das Verfahren trotz seiner Grundlage im US-Recht relevant. Der EU AI Act verlangt künftig detaillierte Zusammenfassungen der verwendeten Trainingsdaten. Potenziell rechtswidrig beschaffte Datensätze können dadurch zu einem Compliance-Problem werden, selbst wenn das Modell technisch lokal betrieben wird.
Open-Weights-Modelle wie Llama sind für Self-Hosting und eigene KI-Anwendungen attraktiv. Sie reduzieren die Abhängigkeit von proprietären APIs und laufenden SaaS-Gebühren. Wie der Vergleich zur Leistung von Open-Weight-KI zeigt, können solche Modelle inzwischen wirtschaftlich relevante Alternativen darstellen.
Offene Gewichte schaffen jedoch keine automatische Rechtssicherheit. Bei der Modellauswahl sollten deshalb neben Leistung, Infrastrukturkosten und Datenschutz auch die Dokumentation und Herkunft der Trainingsdaten bewertet werden. Die wachsende Nutzung von Open-Weight-Modellen in KI-Gateways macht diese Prüfung zunehmend zu einer praktischen Beschaffungsfrage.
Für IT-Verantwortliche bedeutet das: Self-Hosting kann Anbieterabhängigkeit und Datenabfluss reduzieren, verlagert aber einen Teil der Prüfung ins eigene Unternehmen. Fehlen belastbare Angaben zu Trainingsdaten, bleibt ein Risiko bestehen, das sich weder durch lokale Infrastruktur noch durch frei verfügbare Modellgewichte beseitigen lässt.