Was ist Text und Data Mining?
Jede KI lernt aus Texten, Bildern und Daten, und vieles davon stammt aus dem offenen Web. Text und Data Mining (TDM) ist der juristische Begriff für diese Auswertung. § 44b UrhG beschreibt ihn als automatisierte Analyse digitaler Werke, um daraus Informationen über Muster, Trends und Korrelationen zu gewinnen.
Zwei Regeln im deutschen Urheberrecht sind entscheidend:
Regel
Das gilt
§ 44b UrhG
Für alle, du kannst widersprechen
§ 60d UrhG
Nur Forschung, kein Widerspruch vorgesehen
Beide setzen die EU-Urheberrechtsrichtlinie 2019/790 um. Wichtig ist § 44b: TDM braucht keine Erlaubnis, wenn das Werk rechtmäßig zugänglich ist und du es nicht vorbehalten hast. Die Kopien müssen gelöscht werden, sobald sie nicht mehr gebraucht werden.
So funktioniert der TDM-Vorbehalt
Der TDM-Vorbehalt ist dein Widerspruch. Online ist er nach § 44b Absatz 3 nur wirksam, wenn er maschinenlesbar ist. Was das heißt, ist die spannendste Frage des Themas.
Das Oberlandesgericht Hamburg entschied am 10. Dezember 2025 im Fall des Fotografen gegen den Verein LAION (Az. 5 U 104/24): Ein Vorbehalt in den Nutzungsbedingungen einer Bildagentur hatte beim Download im Jahr 2021 nicht die nötige Maschinenlesbarkeit. Maßstab war die Technik von damals. Die Entscheidung ist nicht rechtskräftig, das Verfahren liegt beim Bundesgerichtshof (I ZR 281/25).
In der Praxis gibt es drei Wege, die du kombinieren kannst:
- Robots.txt: Sperrt einzelne Crawler wie GPTBot. Die zugehörige Norm RFC 9309 sagt selbst, dass das keine Zugriffskontrolle ist. Es bleibt ein Signal.
- TDMRep: Ein Protokoll speziell für den Vorbehalt, etwa über die Datei /.well-known/tdmrep.json. Es ist ein Bericht einer W3C-Gruppe, kein offizieller W3C-Standard.
- Klartext: Ein Satz in Impressum oder Nutzungsbedingungen, zusätzlich und klar formuliert.
Ein Gericht hat noch nicht bestätigt, dass eine dieser Lösungen sicher reicht. Die Kombination ist trotzdem der sinnvollste Weg, den du heute gehen kannst.
Welche Crawler solltest du sperren?
Die großen Anbieter trennen ihre Crawler. Das ist wichtig, denn Training und Suche sind zwei Paar Schuhe. Wer alles sperrt, verschwindet womöglich auch aus KI-Antworten.
Crawler
Aufgabe
GPTBot
Training bei OpenAI
OAI-SearchBot
Suche in ChatGPT
ClaudeBot
Training bei Anthropic
Claude-SearchBot
Suche in Claude
Google-Extended
Training und Grounding für Gemini
Google-Extended beeinflusst laut Google die Aufnahme in die Google-Suche nicht. Aber es hält dich auch nicht aus AI Overviews heraus. Das steuerst du über Snippet-Regeln wie nosnippet oder max-snippet.
Anbieter von Allzweck-KI müssen nach Art. 53 der KI-Verordnung eine Urheberrechts-Strategie haben, die Vorbehalte erkennt und beachtet. Im freiwilligen Verhaltenskodex der EU sagen die Unterzeichner zu, robots.txt zu befolgen. Bindend ist das nur für die, die mitmachen.
Beispiele aus der Praxis
Zwei Blicke auf die Größenordnung: ein Datensatz, der die Rechtsprechung geprägt hat, und die Frage, wer überhaupt sperrt.
Case A · Datensatz
LAION-5B
5,85 Mrd.
Bild-Text-Paare
2021
Download im Streitfall
Ein gemeinnütziger Verein durfte in diesem Fall den Datensatz bauen.
Sonderfall Forschung. Das Urteil ist kein Freibrief für kommerzielle KI-Anbieter.
Case B · Wer sperrt?
Top-Websites, Stand Juni 2025
3.816
Domains mit robots.txt
312
sperren GPTBot ganz oder teilweise
Rund 8 % dieser Websites setzen eine GPTBot-Regel.
Daten von Cloudflare aus den Top 10.000. Inzwischen dürfte sich das verschoben haben.
Häufige Fehler
Fehler 1 · Nur einen Satz ins Impressum schreiben
Das ist besser als nichts, aber im LAION-Fall hat ein solcher Text nicht gereicht. Ergänze ihn um die technischen Wege.
Fehler 2 · Alle KI-Bots pauschal sperren
Wer auch die Such-Bots aussperrt, verliert Sichtbarkeit in KI-Suchen. Entscheide für Training und Suche getrennt.
Fehler 3 · Robots.txt für einen Schutz halten
Sie wirkt nur bei Crawlern, die sich daran halten, und nur nach vorn. Was schon eingesammelt wurde, holst du damit nicht zurück.
Fehler 4 · Forschung und Geschäft vermischen
Gegen Forschung nach § 60d UrhG hilft dein Vorbehalt nicht. Und für das Training selbst ist vieles noch offen: Das Landgericht München I entschied 2025 im Fall GEMA gegen OpenAI (nicht rechtskräftig), dass im Modell gespeicherte Werke kein TDM mehr sind.
Was du konkret tun kannst
- Entscheiden: Willst du in KI-Antworten vorkommen, fürs Training gesperrt bleiben oder beides?
- Robots.txt pflegen: Trag die Trainings-Crawler ein, die du nicht willst.
- Vorbehalt ergänzen: Setz TDMRep oder ein Meta-Tag und schreib einen klaren Satz ins Impressum.
- Prüfen: Kontrolliere im Server-Log, wer trotzdem kommt.
- Beobachten: Halte das Thema im Blick. Der BGH und der Europäische Gerichtshof sind noch am Zug.
Häufige Fragen
Reicht ein Satz im Impressum als TDM-Vorbehalt?
Darauf solltest du dich nicht verlassen. Das OLG Hamburg ließ einen Text in den Nutzungsbedingungen für den Stand von 2021 nicht genügen. Ob das heute anders wäre, ist offen. Kombiniere den Satz mit technischen Signalen.
Darf ChatGPT meine Website fürs Training nutzen?
Wenn die Inhalte frei zugänglich sind und du keinen wirksamen Vorbehalt gesetzt hast, spricht § 44b UrhG eher dafür. Was genau beim Training erlaubt ist, entscheiden gerade die Gerichte.
Verliere ich Google-Sichtbarkeit, wenn ich KI-Crawler sperre?
Google-Extended zu sperren ändert laut Google nichts an der Suche. Sperrst du aber Such-Bots anderer Anbieter, fehlst du dort in den Antworten. Googlebot selbst solltest du nie sperren.
Gilt der Vorbehalt auch für die Forschung?
Nein. § 60d UrhG sieht für Forschung keinen Vorbehalt vor. Ausgenommen sind Organisationen, auf die ein Unternehmen bestimmenden Einfluss hat und die ihm bevorzugten Zugang verschaffen.
Quellen
- § 44b UrhG
- § 60d UrhG
- OLG Hamburg: Pressemitteilung zu 5 U 104/24
- LG München I: Pressemitteilung GEMA gegen OpenAI
- KI-Verordnung: Art. 53
- EU-Kommission: Verhaltenskodex für Allzweck-KI
- RFC 9309: Robots Exclusion Protocol
- W3C Community Group: TDM Reservation Protocol
- OpenAI: Crawler-Übersicht
- Google Search Central: Google-Crawler
- Cloudflare: Crawler-Auswertung 2025
