GEMA gewinnt gegen KI-Musikdienst Suno

Die auf Urheberrecht spezialisierte 42. Zivilkammer des Landgerichts München I hat am 31. Juli 2026 über die Klage der GEMA gegen Suno entschieden. Das Gericht sprach der Verwertungsgesellschaft Ansprüche auf Unterlassung, Auskunft und Schadensersatz überwiegend zu. Die konkrete Höhe eines möglichen Schadensersatzes wurde mit der Entscheidung noch nicht festgelegt. Das Verfahren wird unter dem Aktenzeichen 42 O 763/25 geführt.

Betroffen waren sechs bekannte Kompositionen:

• „Atemlos durch die Nacht“
• „Rasputin“
• „Big in Japan“
• „Forever Young“
• der Refrain von „Mambo No. 5“
• „Daddy Cool“

Wichtig für die Einordnung ist: Gegenstand des Suno-Verfahrens waren die musikalischen Werke, also insbesondere wiedererkennbare Bestandteile von Melodie, Harmonie, Rhythmus und Arrangement. Eine Verletzung durch die Liedtexte war in diesem Verfahren ausdrücklich nicht Streitgegenstand.

Die Schlagzeile, eine KI habe „bei Helene Fischer geklaut“, verkürzt den Fall deshalb stark. „Atemlos durch die Nacht“ wurde durch Helene Fischer bekannt, komponiert und getextet wurde das Werk jedoch von Kristina Bach. Im Prozess ging es nicht darum, ob eine künstliche Stimme Helene Fischer nachahmte, sondern darum, ob die zugrunde liegende geschützte Komposition ohne Lizenz in das KI-System übernommen und später wiedergegeben wurde.

Wie arbeitet Suno?

Suno ist ein generativer Musikdienst. Nutzer geben einen Text, einen Musikstil oder eine Beschreibung ein und erhalten daraus ein abspielbares Musikstück. Je nach Eingabe kann das System Gesang, Instrumentierung, Rhythmus und vollständige Songstrukturen erzeugen.

Damit gehört Suno zu einer neuen Generation von KI-Werkzeugen, die nicht nur beim Produzieren helfen, sondern vollständige Musikstücke generieren können. Menschen ohne klassische musikalische Ausbildung können damit innerhalb kurzer Zeit eigene Songs erstellen.

Genau darin liegt die wirtschaftliche Bedeutung des Verfahrens. Suno nutzt die Fähigkeit seines Modells kommerziell und bietet kostenpflichtige Funktionen an. Die entscheidende rechtliche Frage lautet daher: Darf ein kommerzielles KI-System geschützte Musik zum Lernen verwenden, ohne die Urheber zu fragen oder zu bezahlen?

Wie konnte die GEMA die Ähnlichkeit nachweisen?

Für die untersuchten Ausgaben gab die Klägerseite den ursprünglichen Liedtext, den gewünschten Musikstil und den Werktitel ein. Vorgaben zur konkreten Melodie, Harmonie, zum Rhythmus oder zum Arrangement enthielten die Prompts nach Angaben des Gerichts nicht. Trotzdem entstanden Ausgaben, in denen nach Auffassung der Kammer originelle Bestandteile der Ausgangswerke erkennbar waren.

Das ist für das Urteil entscheidend.

Suno argumentierte, die Ähnlichkeiten seien nicht durch gespeicherte Werke entstanden. Das Modell habe vielmehr allgemeine musikalische Muster gelernt. Außerdem seien die Ergebnisse durch die gezielten Eingaben der Nutzer beeinflusst worden.

Das Gericht folgte dieser Argumentation nicht. Die Prompts seien relativ einfach und ergebnisoffen gewesen. Sie hätten nicht die musikalischen Bestandteile vorgegeben, die später in den Ergebnissen erkennbar gewesen seien. Nach Auffassung der Kammer wurden diese Bestandteile vielmehr durch das Modell erzeugt.

Das Gericht sieht eine Memorisierung im KI-Modell

Einer der wichtigsten Punkte des Urteils betrifft die sogenannte Memorisierung.

KI-Anbieter erklären häufig, ein Modell speichere seine Trainingsdaten nicht wie eine Datenbank. Stattdessen bilde es mathematische Wahrscheinlichkeiten, Muster und Beziehungen in seinen Parametern ab.

Das Landgericht München stellte diese technische Grundbeschreibung nicht vollständig infrage. Es kam jedoch zu dem Ergebnis, dass im konkreten Fall Teile der Musikwerke reproduzierbar in den Modellversionen v3.5 und v4 enthalten gewesen seien.

Von Memorisierung wird gesprochen, wenn ein Modell nicht nur allgemeine Muster aus den Trainingsdaten lernt, sondern konkrete Inhalte so stark übernimmt, dass diese später wieder aus dem Modell extrahiert oder reproduziert werden können.

Das Gericht schloss aufgrund der Länge und Komplexität der Übereinstimmungen einen bloßen Zufall als Ursache aus. Die reproduzierbare Übernahme in die Modellparameter bewertete es als urheberrechtlich relevante Vervielfältigung.

Diese Einordnung ist besonders weitreichend. Sie bedeutet, dass ein KI-Modell rechtlich nicht automatisch als neutraler mathematischer Apparat behandelt wird. Enthält es geschützte Werke in reproduzierbarer Form, kann bereits das Modell selbst als Vervielfältigung angesehen werden.

Wie gelangten die Songs in den Trainingsdatensatz?

Nach den Feststellungen des Gerichts enthielt der Trainingsdatensatz die betroffenen Musikstücke. Suno habe sogenannte Stream-Ripping-Techniken eingesetzt, um Werke von YouTube zu extrahieren und zu kopieren.

Dabei sei der sogenannte Rolling Cipher umgangen worden. Dabei handelt es sich um eine technische Schutzmaßnahme, die das direkte Herunterladen von Audio- und Videoinhalten verhindern soll.

Dieser Teil des Sachverhalts verschärft die rechtliche Bewertung. Es ging nicht nur darum, ob öffentlich zugängliche Inhalte analysiert werden dürfen. Nach den Feststellungen des Gerichts wurden technische Maßnahmen umgangen, um Kopien der Musikstücke anzufertigen.

Warum half die Text-und-Data-Mining-Ausnahme Suno nicht?

Das deutsche Urheberrecht erlaubt unter bestimmten Voraussetzungen Text und Data Mining. Damit können große Mengen von Inhalten automatisiert analysiert werden, um Muster, Trends und Zusammenhänge zu erkennen.

KI-Unternehmen berufen sich häufig auf diese Ausnahmen, wenn sie geschützte Inhalte für Trainingsprozesse verwenden.

Suno argumentierte, mögliche Eingriffe seien durch die Text-und-Data-Mining-Regelung in § 44b Urheberrechtsgesetz gerechtfertigt.

Das Landgericht lehnte dies für die im Modell reproduzierbar enthaltenen Musikwerke ab. Die konkrete Memorisierung sei nicht von dieser Ausnahme gedeckt.

Das Urteil unterscheidet damit indirekt zwischen dem Erkennen allgemeiner musikalischer Muster und der Übernahme konkreter Ausdrucksformen.

Eine KI darf möglicherweise lernen, wie Popmusik grundsätzlich aufgebaut ist. Sie darf aber nach dieser Entscheidung nicht ohne Weiteres konkrete geschützte Kompositionen so aufnehmen, dass wesentliche Elemente später wiedergegeben werden können.

Wer ist für die KI-Ausgabe verantwortlich?

Ein weiterer zentraler Streitpunkt war die Verantwortung.

Suno vertrat die Auffassung, die Nutzer hätten durch ihre Eingaben den Entstehungsprozess beeinflusst. Deshalb könne das Unternehmen nicht vollständig für die erzeugten Ergebnisse verantwortlich gemacht werden.

Das Gericht bewertete Suno selbst als verantwortlich. Das Unternehmen habe:

• die Trainingsdaten ausgewählt,
• die Modelle trainiert,
• die Architektur bestimmt,
• die Anwendung betrieben,
• und die Memorisierung ermöglicht.

Da die verwendeten Prompts nach Einschätzung des Gerichts keine konkreten Vorgaben zu Melodie, Harmonie, Rhythmus oder Arrangement enthielten, sei der Nutzer nicht derjenige gewesen, der die geschützten musikalischen Bestandteile in die Ergebnisse eingebracht habe. Das Modell habe die Inhalte bestimmt.

Für andere KI-Anbieter ist diese Einordnung relevant. Unternehmen können Verantwortung möglicherweise nicht einfach vollständig auf ihre Nutzer übertragen, wenn geschützte Inhalte bereits durch das Design, das Training oder die Funktionsweise des Modells in den Ausgaben erscheinen.

Warum entschied ein deutsches Gericht auch über das Training in den USA?

Das Training der Modelle fand nach den Feststellungen des Gerichts in den USA statt. Trotzdem beschäftigte sich das Landgericht München auch mit möglichen Verletzungen nach amerikanischem Recht.

Die Kammer leitete ihre internationale Zuständigkeit aus § 131 des Verwertungsgesellschaftengesetzes ab. Diese Regelung bietet Verwertungsgesellschaften einen besonderen Gerichtsstand für zusammenhängende urheberrechtliche Ansprüche.

Nach dem sogenannten Schutzlandprinzip wurde für das Training in den USA amerikanisches Urheberrecht geprüft.

Suno berief sich dort auf Fair Use. Diese Rechtsfigur kann bestimmte Nutzungen geschützter Werke ohne Lizenz erlauben, beispielsweise für Kritik, Forschung, Berichterstattung oder transformative Zwecke.

Das Gericht kam jedoch zu dem Ergebnis, dass die konkrete Nutzung nicht unter Fair Use falle. Entscheidend sei unter anderem gewesen, dass wesentliche Bestandteile der Trainingswerke später in den Ausgaben wieder auftauchten.

Warum ist das Urteil nicht mit allen amerikanischen KI-Verfahren vergleichbar?

In den USA hatten Gerichte in anderen Verfahren bestimmte Trainingsvorgänge teilweise als Fair Use bewertet. Das Münchner Gericht verwies ausdrücklich auf die Verfahren Bartz und Kadrey, unterschied den Suno-Fall aber davon.

In diesen Verfahren seien die Trainingsinhalte nicht oder nicht in wesentlichem Umfang in den späteren Ausgaben zugänglich gewesen.

Bei Suno seien dagegen nach einfachen Eingaben Ergebnisse entstanden, die den Ausgangswerken wesentlich ähnlich gewesen seien. Genau diese Reproduzierbarkeit machte für das Gericht den Unterschied.

Die Entscheidung bedeutet deshalb nicht automatisch, dass jedes Training mit geschützten Inhalten in jedem Fall illegal ist.

Sie bedeutet vielmehr:

Je stärker ein KI-Modell konkrete geschützte Werke reproduziert, desto schwieriger wird es, das Training als bloß abstraktes Lernen oder als transformative Nutzung zu rechtfertigen.