Suno verschärft Download-Limits, nachdem ein deutsches Gericht dagegen entschieden hat
Der KI-Musikgenerator schränkt Massendownloads ein und fügt eine KI-Kennzeichnung hinzu, nachdem ein Münchner Gericht festgestellt hatte, dass er auf urheberrechtlich geschützte Lieder trainiert und ein Investor eingeräumt hat, dass er mit menschlichen Künstlern konkurriert.
Suno, der bekannteste KI-Musikgenerator, ändert seine Regeln. In einem Blogbeitrag stellte Mitbegründer und CEO Mikey Shulman vier Leitprinzipien und eine Reihe konkreter Maßnahmen vor. Die greifbarste davon ist eine neue Download-Richtlinie, die verhindern soll, dass Menschen KI-Songs in großen Mengen exportieren und Streaming-Dienste damit überschwemmen. Die meisten Benutzer werden es nicht bemerken, sagt das Unternehmen. Es dürfte deutlich schwieriger werden, dies im großen Maßstab umzusetzen.
Der Druck hinter der Veränderung ist leicht nachzuvollziehen. Ein Landgericht in München entschied kürzlich, dass Suno in Schulungen urheberrechtlich geschützte Songs verwendet habe und diese bei entsprechender Aufforderung reproduzieren könne, und stellte fest, dass die US-amerikanische Fair-Use-Doktrin das Unternehmen in Deutschland nicht schütze. Kurz zuvor räumte einer von Sunos eigenen Investoren öffentlich ein, dass mit Suno erstellte Songs in direkter Konkurrenz zur Musik menschlicher Künstler stehen. Dieses Eingeständnis ist schädlicher, als es aussieht: Fair-Use-Argumente stützen sich stark darauf, ob eine Nutzung neu und transformativ ist und nicht als Ersatz für das Original. Ein Investor, der sagt, dass „sie konkurriert“, ist also nahe daran, diesen Punkt zuzugeben.
Die Antwort von Suno ist, dass seine Ausbildung darauf ausgelegt war, Kopien von vornherein zu vermeiden. Das Unternehmen beschreibt einen Ansatz, den es „Original Creation, By Design“ nennt, und sagt, dass es Künstlernamen bewusst aus seinen Trainingsmetadaten entfernt habe, sodass das Modell keinen Zugriff darauf habe, einen namentlich genannten Musiker zu imitieren. Es heißt, dass es nie Aufforderungen erlaubt habe, die auf einen bestimmten Künstler oder ein bestimmtes Lied abzielten, und dass es mit Audible Magic, Musixmatch und anderen Diensten zusammenarbeite, um hochgeladene Audio- und Liedtexte zu überprüfen. Außerdem sind Transparenztools geplant, die auf neuen Industriestandards basieren, sodass andere Plattformen einen Titel als von Suno hergestellt identifizieren können.
Das Spam-Problem ist nicht hypothetisch. Im März wurde ein Mann verurteilt, nachdem er Hunderttausende KI-generierte Songs hochgeladen und über gefälschte Konten und automatisierte Streams Lizenzgebühren in Höhe von acht Millionen Dollar kassiert hatte. Streaming-Plattformen haben teilweise aufgrund dieser Flut ihre Art und Weise, mit neuen Uploads umzugehen, geändert. Die Verschärfung des Angebots durch Suno ist zum Teil eine Reaktion auf einen wirtschaftlichen Angriff auf dieselben Plattformen, auf denen seine Nutzer veröffentlichen.
Was das für dich bedeutet: Wenn Sie mit Suno zum Spaß, für ein Video oder für ein kleines Projekt Musik machen, werden Ihnen die neuen Grenzen wahrscheinlich nicht schaden. Wenn Ihr Plan darin bestand, einen großen Katalog auf Streaming-Dienste hochzuladen, ist dieser Plan jetzt erheblich schwieriger, und das deutsche Urteil macht die kommerzielle Nutzung von KI-Musik in Europa rechtlich unklarer als noch vor einem Monat. Für alle anderen ist dies das bisher klarste Zeichen dafür, wohin der Kampf um KI und Urheberrecht führt: kein einziges dramatisches Urteil, sondern eine langsame Verschärfung, bei der die Generatoren selbst beginnen, Etiketten, Grenzwerte und Überprüfungen hinzuzufügen, weil die Alternative vor Gericht verliert.
Quellen
Quellen: https://suno.com/blog/building-the-future-of-music-responsibly
Gleiches Modell, vier verschiedene Werkzeuge, dreimal so viel: Ein Test, was Sie der Wickler kostet
Composio führte DeepSeek V4 Flash über Claude Code, Codex, OpenCode und Oh My Pi bei 30 echten Aufgaben aus. Die Erfolgsquoten waren ähnlich. Die Kosten variierten um fast das Dreifache und die Geschwindigkeit um das 2,2-fache, abhängig davon, mit welchem Tool das Modell ausgeführt wurde.
