Davon hängt es nämlich ab, ob die GPL verhindern kann
Die GPL kann nichts verhindern wenn sie nicht anwendbar ist, weil der Inhaber des jeweiligen GitHub Repos kein Copyright auf den Code hat der da liegt.
Die wirklich interessante Frage, IMO, ist, wie Code zu lizensieren ist für den keine Person Copyright claimen kann.
Die GPL kann nichts verhindern wenn sie nicht anwendbar ist, weil der Inhaber des jeweiligen GitHub Repos kein Copyright auf den Code hat der da liegt.
Reden wir jetzt von dem Code, der als KI-Trainingsmaterial verwendet wurde, oder dem, der mit KI generiert wurde? Das Szenario, an das ich dachte, war, dass ersterer (!) unter GPL steht.
Die wirklich interessante Frage, IMO, ist, wie Code zu lizensieren ist für den keine Person Copyright claimen kann.
So interessant ist das nicht, es ist relativ einfach: darauf kann man jede Lizenz picken, die man will, sie wird so oder so nicht durchsetzbar sein, denn das, worauf man kein Urheberrecht hat, kann man auch nicht lizenzieren.
Reden wir jetzt von dem Code, der als KI-Trainingsmaterial verwendet wurde, oder dem, der mit KI generiert wurde? Das Szenario, an das ich dachte, war, dass ersterer (!) unter GPL steht.
Mir ging’s um den generierten Code. Klar, Lizenz als Trainingsmaterial wäre eine Sache die modernes Urheberrecht vorsehen sollte.
Mit dem Grundsatz dass generierte Daten nicht copyrightbar sind ist es ja effektiv egal was das Trainingsmaterial war.
Der LLM generierte Quellcode bekommt kein zusätzliches Urheberrecht wie es z.B. bei einer menschlichen Textübersetzung in eine andere Sprache der Fall wäre. Davon ist das ursprüngliche Urheberrecht aber völlig unbetroffen.
Rechtlich unklar ist lediglich ob das LLM selbst ein abgeleitetes Werk des Trainingmaterials ist.
In der Praxis muss man leider davon ausgehen das LLM generierter Quellcode viele unlizensierte Bestanteile hat, und in Streitfällen wird wohl der Fakt das der beanstandete Quellcode im Trainingsmaterial enthalten war zu Gunsten des Klägers ausgelegt werden.
Davon ist das ursprüngliche Urheberrecht aber völlig unbetroffen.
OK aber was heißt hier “ursprünglich”? Es gibt ja keine Variante des fraglichen Codes der mal urheberrechtlich geschützt war. Der fragliche Code ist durch das LLM entstanden.
und in Streitfällen wird wohl der Fakt das der beanstandete Quellcode im Trainingsmaterial enthalten war
Würde an sich Sinn ergeben, aber du hast ggf. keine Chance das rauszufinden wenn der LLM-Besitzer das nicht will.
Entweder ich verpasse hier was fundamentales oder das ist und bleibt rein theoretisch.
Quellcode ist immateriell, d.h. die enthaltende information zählt. Wenn ein LLM rein “zufällig” einen Quellcode erzeugt der identisch oder zumindestens sehr ähnlich zu einem ist der urheberrechtlich geschützt ist (was bei bestimmten Funktionen recht häufig vorkommt) dann ist dies erst einmal ein Urheberrechtsverstoß.
Bei quelloffenem Code ist es (ironischerweise mit LLMs) relativ einfach solche Textpassagen zu finden. Es gibt natürlich noch gewisse rechtliche Hürden in bezug zur Schöpfungshöhe, aber ein LLM das quasi verbatim zum Beispiel eine längere Datenbankzugriffsroutine repliziert verursacht sehr wahrscheinlich einen Urheberechtsverstoß.
Rechtlich gibt es bestimmte Ausnahmen bzw. mindernde Umstände wenn der Beklagte lückenfrei Nachweisen kann das es wirklich rein zufällig passiert ist (siehe auch sogennantes “clean room reverse enginiering”), aber wenn das LLM Trainingsmaterial den ursprünglichen Quellcode enthält dürfte dies vor Gericht schwierig sein.
Als konkretes Beispiel wurde Suno kürzlich erfolgreich von der Gema verklagt da deren GenAI sehr ähnliche Lieder erzeugt und somit das Urheberrecht der von der Gema vertretenden Künstler verletzt. Ich denke das es nur eine Frage der Zeit ist bis es ähnliche Klagen auch bei größeren open-source Projekten geben wird.
Ist vermutlich nicht das beste Beispiel, da der Photoshop Quellcode so weit ich weiß nicht öffentlich zugänglich ist, und somit vermutlich auch nicht zum trainieren der LLMs verwendet wurde.
Die GPL kann nichts verhindern wenn sie nicht anwendbar ist, weil der Inhaber des jeweiligen GitHub Repos kein Copyright auf den Code hat der da liegt.
Die wirklich interessante Frage, IMO, ist, wie Code zu lizensieren ist für den keine Person Copyright claimen kann.
Reden wir jetzt von dem Code, der als KI-Trainingsmaterial verwendet wurde, oder dem, der mit KI generiert wurde? Das Szenario, an das ich dachte, war, dass ersterer (!) unter GPL steht.
So interessant ist das nicht, es ist relativ einfach: darauf kann man jede Lizenz picken, die man will, sie wird so oder so nicht durchsetzbar sein, denn das, worauf man kein Urheberrecht hat, kann man auch nicht lizenzieren.
Mir ging’s um den generierten Code. Klar, Lizenz als Trainingsmaterial wäre eine Sache die modernes Urheberrecht vorsehen sollte.
Mit dem Grundsatz dass generierte Daten nicht copyrightbar sind ist es ja effektiv egal was das Trainingsmaterial war.
Nein, so funktioniert Urheberrecht nicht.
Der LLM generierte Quellcode bekommt kein zusätzliches Urheberrecht wie es z.B. bei einer menschlichen Textübersetzung in eine andere Sprache der Fall wäre. Davon ist das ursprüngliche Urheberrecht aber völlig unbetroffen.
Rechtlich unklar ist lediglich ob das LLM selbst ein abgeleitetes Werk des Trainingmaterials ist.
In der Praxis muss man leider davon ausgehen das LLM generierter Quellcode viele unlizensierte Bestanteile hat, und in Streitfällen wird wohl der Fakt das der beanstandete Quellcode im Trainingsmaterial enthalten war zu Gunsten des Klägers ausgelegt werden.
OK aber was heißt hier “ursprünglich”? Es gibt ja keine Variante des fraglichen Codes der mal urheberrechtlich geschützt war. Der fragliche Code ist durch das LLM entstanden.
Würde an sich Sinn ergeben, aber du hast ggf. keine Chance das rauszufinden wenn der LLM-Besitzer das nicht will.
Entweder ich verpasse hier was fundamentales oder das ist und bleibt rein theoretisch.
Quellcode ist immateriell, d.h. die enthaltende information zählt. Wenn ein LLM rein “zufällig” einen Quellcode erzeugt der identisch oder zumindestens sehr ähnlich zu einem ist der urheberrechtlich geschützt ist (was bei bestimmten Funktionen recht häufig vorkommt) dann ist dies erst einmal ein Urheberrechtsverstoß.
Bei quelloffenem Code ist es (ironischerweise mit LLMs) relativ einfach solche Textpassagen zu finden. Es gibt natürlich noch gewisse rechtliche Hürden in bezug zur Schöpfungshöhe, aber ein LLM das quasi verbatim zum Beispiel eine längere Datenbankzugriffsroutine repliziert verursacht sehr wahrscheinlich einen Urheberechtsverstoß.
Rechtlich gibt es bestimmte Ausnahmen bzw. mindernde Umstände wenn der Beklagte lückenfrei Nachweisen kann das es wirklich rein zufällig passiert ist (siehe auch sogennantes “clean room reverse enginiering”), aber wenn das LLM Trainingsmaterial den ursprünglichen Quellcode enthält dürfte dies vor Gericht schwierig sein.
Als konkretes Beispiel wurde Suno kürzlich erfolgreich von der Gema verklagt da deren GenAI sehr ähnliche Lieder erzeugt und somit das Urheberrecht der von der Gema vertretenden Künstler verletzt. Ich denke das es nur eine Frage der Zeit ist bis es ähnliche Klagen auch bei größeren open-source Projekten geben wird.
Wir haben ja gerade die Situation dass jemand die halbe Adobe Creative Suite hat cleanroom-vibecoden lassen.
Ist vermutlich nicht das beste Beispiel, da der Photoshop Quellcode so weit ich weiß nicht öffentlich zugänglich ist, und somit vermutlich auch nicht zum trainieren der LLMs verwendet wurde.