Zwei der bekanntesten Referenzwerke der Welt gehen juristisch gegen OpenAI vor. Der Vorwurf ist präzise – und könnte die gesamte KI-Branche unter Druck setzen: Memorization macht das Unsichtbare sichtbar.
Britannica und Merriam-Webster klagen gegen OpenAI wegen unerlaubter Nutzung urheberrechtlich geschützter Inhalte
Encyclopedia Britannica und der Verlag Merriam-Webster haben am 13. März 2026 Klage gegen OpenAI eingereicht. Der Vorwurf: Das Unternehmen habe beim Training seiner KI-Modelle urheberrechtlich geschützte Inhalte in großem Umfang kopiert und reproduziert – und ChatGPT sei in der Lage, diese Inhalte nahezu wortgetreu wiederzugeben.
Der Kern des Vorwurfs: „Memorization” als rechtliches Problem
Im Mittelpunkt der Klage steht ein technisches Phänomen, das in der KI-Forschung als „Memorization” bekannt ist. Dabei speichern Large Language Models während des Trainings bestimmte Textpassagen so präzise, dass sie diese auf Anfrage nahezu identisch ausgeben können.
Die Kläger argumentieren, dass ChatGPT die urheberrechtlich geschützten Werke der Verlage direkt ersetze – ohne Lizenz, ohne Vergütung.
Dieser Vorwurf geht über bisherige KI-Klagen hinaus, die sich häufig auf das Training selbst konzentrierten. Hier wird konkret auf den Output des Modells abgestellt: ChatGPT gibt Definitionen, Enzyklopädie-Einträge und Sachinhalte wieder, die in dieser Form nur in den Originalquellen der Kläger vorhanden sind.
Einreihung in eine wachsende Klagewelle
Die Klage ist keine Einzelerscheinung. Bereits der New York Times-Prozess gegen OpenAI, der Ende 2023 eingereicht wurde, stützte sich auf ähnliche Argumente. Auch Buchautoren, Musikverlage und andere Medienhäuser haben rechtliche Schritte eingeleitet.
Das Besondere an der Britannica-Klage ist die inhaltliche Präzision: Nachschlagewerke und Wörterbücher gehören zu den strukturiertesten und am häufigsten zitierten Textquellen überhaupt – und damit zu jenen Inhalten, bei denen Memorization-Effekte besonders leicht nachweisbar sind.
OpenAI hat sich bislang auf den Standpunkt gestellt, dass das Training von KI-Modellen unter das „Fair Use”-Prinzip des US-amerikanischen Urheberrechts falle.
Ob dieses Argument auch dann trägt, wenn Modelle geschützte Inhalte nahezu unverändert reproduzieren, ist eine der zentralen Rechtsfragen, die US-Gerichte in den kommenden Jahren klären müssen.
Technische Dimension: Wie entsteht Memorization?
Memorization tritt vor allem dann auf, wenn Trainingsdaten häufig wiederholt vorkommen oder wenn Modelle besonders groß sind. Gut strukturierte Referenzwerke – kurz, prägnant, oft in identischer Form im Netz vorhanden – sind anfälliger für dieses Phänomen als kreative Prosa.
Forscher haben gezeigt, dass sich Memorization durch technische Maßnahmen wie differenzielles Datenschutztraining reduzieren, aber nicht vollständig verhindern lässt. OpenAI hat bislang keine detaillierten Angaben dazu gemacht, welche Schritte beim Training von GPT-4 oder nachfolgenden Modellen unternommen wurden, um diesen Effekt zu begrenzen.
Einordnung für deutsche Unternehmen
Für Unternehmen im deutschsprachigen Raum, die KI-gestützte Produkte entwickeln oder Large Language Models in eigene Anwendungen integrieren, hat die Klage praktische Relevanz. Wer proprietäre Datensätze – etwa Produktdatenbanken, Fachglossare oder interne Wissensdatenbanken – zum Training oder Fine-Tuning von Modellen nutzt, sollte die Frage der Memorization und der daraus resultierenden Haftungsrisiken aktiv adressieren.
Die europäische KI-Verordnung enthält zwar keine direkten Regelungen zu Memorization, doch das EU-Urheberrecht und insbesondere die Text-und-Data-Mining-Ausnahme des Artikels 4 der DSM-Richtlinie setzen enge Grenzen. Der Ausgang der US-Verfahren dürfte die Debatte auch hierzulande beschleunigen.
