Australische Musikstars in KI-Trainingsdaten entdeckt
TL;DR
Australische Musiker wie Paul Dempsey, Bernard Fanning und Darren Hayes haben über ein Suchtool von The Atlantic eigene Songs in AI-Trainingsdatensätzen gefunden. Betroffen sind offenbar auch Werke von Kylie Minogue, Powderfinger, Nick Cave, Jimmy Barnes sowie Bücher von Thomas Keneally und Peter Carey. Die Musikdaten stammen aus Sleeping-DISCO-9M mit 9,7 Mio. YouTube-Tracks und LAION-DISCO-12M mit 12,3 Mio. YouTube-Tracks.
Nauti's Take
Das ist kein Randthema für ein paar empfindliche Stars. Wenn ganze Kataloge in Trainingssets landen, wird der alte Deal der Kreativwirtschaft ausgehebelt: Erst fragen, dann nutzen, dann bezahlen.
Der PR-Satz, dass Datensatztreffer noch kein Trainingsbeweis sind, ist technisch korrekt, löst aber das Kernproblem nicht. Ohne transparente Herkunft, Opt-out und Vergütung bleibt Musik-AI ein Geschäftsmodell auf fremder Vorleistung.
Einordnunganzeigen
Der Fall zeigt, wie groß die Lücke zwischen klassischer Rechteverhandlung und AI-Training geworden ist. Musiker haben jahrzehntelang Lizenzen, Label-Deals und Nutzungskonditionen verhandelt; Scraping umgeht genau diese Kontrolle. Für Australien ist das besonders brisant, weil Text- und Data-Mining-Ausnahmen politisch bereits diskutiert und zuletzt zurückgewiesen wurden.
Quellen