Inhalte für KI-Trainings und -Tools freigeben? Ja, aber unter Bedingungen – mit CC Signals?
Wie Creative Commons Namensnennung und Fairness bei der KI-Nutzung offener Inhalte durchsetzen will
Seit digitale Inhalte durch KI-Systeme für ihr Training oder von KI-Tools als Input genutzt werden, zeigen sich viele Urheber*innen unzufrieden, darunter auch OER-Akteur*innen. Denn bei KI-gestützten Bearbeitungen werden bindende Lizenzinformationen und Namensnennungen (Credits) oft nicht übernommen, Nutzungsvorbehalte (Opt-outs) werden ignoriert. Um darauf zu reagieren, entwickelt die Organisation Creative Commons die „CC Signals“. Sie definieren klare, auf Fairness setzende Nutzungsbedingungen und orientieren sich dabei an den Prinzipien der OER-konformen CC-Lizenzen. Wir erläutern, wie sie funktionieren sollen und wie der derzeitige Entwicklungsstand ist.
Die CC-Lizenzen wurden von der gemeinnützigen Organisation Creative Commons (CC) dafür geschaffen, Wissen und Bildung zu öffnen und leicht zugänglich zu machen. Sie formulieren pauschale, weitreichende und standardisierte Nutzungserlaubnisse für alle – leicht verständlich und einfach anzuwenden. Zugleich stehen sie dafür, die kreative Leistung und Urheberschaft der Autor*innen zu respektieren, etwa per Namensnennung und Angabe des Ursprungsorts. Dem Prinzip der Offenheit entsprechend, stehen CC-lizenzierte Werke und Inhalte generell auch offen für die Verarbeitung durch KI-Tools und das Training von KI-Modellen. Neben dem rechtlichen Aspekt – Nachnutzungen der Werke in jeglicher Art sind erlaubt und gewünscht – kommt bei KI aber auch die qualitative Dimension dazu: Blieben frei lizenzierte Inhalte bei der Entwicklung und dem Training großer Sprachmodelle und KI-Systeme außen vor, etwa sämtliche Artikel der Wikipedia, führte das zu inhaltlichen Verzerrungen (Bias) und im Sinne der Perspektivenvielfalt zu minderer Qualität.
Problematisch ist, wenn bei der Nutzung frei lizenzierter Inhalte durch KI-Plattformen und KI-Systeme die Namen der Urheber*innen beziehungsweise weitere Lizenzbestandteile schlicht nicht übernommen werden. Ebenso missachten KI-Hersteller und -Betreiber die sogenannten „Opt-outs“. Gemeint ist, dass es generell allen Urheber*innen und Rechteinhaber*innen möglich ist, einen sogenannten Nutzungsvorbehalt für bestimmte Verwendungen ihrer Werke zu erklären, der etwa im Code einer zugehörigen Webseite abgelegt ist. Jedoch erwies sich die Wirksamkeit dieser Regelung in der Vergangenheit als nicht sehr hoch, unter anderem weil sie als technisch zu schwierig gilt, um sie verlässlich zu handhaben (siehe dazu die Untersuchung der EU-Kommission bezüglich möglicher Verbesserungen der Opt-out-Reglungen (Öffnet in einem neuen Tab)). Zudem gibt es sowohl im Urheberrecht als auch in der KI-Verordnung (KI-VO) keine eindeutigen Regelungen, wie die Opt-outs zu formulieren sind und wo genau sie zu finden sein müssen. Dies führte bislang zu einer sehr unterschiedlichen Auslegung und Interpretation.
Beides zusammengenommen stellt für die Beteiligten der Creative Commons-Organisation eine Schieflage dar, einen unfairen Umgang mit den Schöpfungen und Belastungen für Infrastrukturen, die mit Inhalten, Wissen und Werken agieren. Um dem etwas entgegenzusetzen, entwickelt die CC-Organisation die „CC Signals“. Als klar definierte Nutzungsbedingungen und -vorgaben sollen sie für mehr Transparenz und Fairness beim KI-basierten Gebrauch von online verfügbaren Inhalten sorgen. Zum Konzept gehört zum einen, dass die CC Signals nicht von den Urheber*innen oder Autor*innen, sondern von sogenannten „Data Stewards“ beziehungsweise „Datenverwalter*innen“ vergeben werden, sprich an die Inhalte „angeheftet“ sind, stets in maschinenlesbarer Form. Zum anderen sollen die CC Signals im Sinne einer fairen Nachnutzung einen Weg ebnen, insbesondere den Urheber*innen und Betreibern von Ökosystemen, die auf freien Inhalten basieren, gezielt Unterstützungen und Kompensationsleistungen zukommen zu lassen. Mittels der maschinenlesbaren CC Signals sollen – fair handelnde – KI-Entwickler und Betreiber von KI-Systemen eine automatisierbare Möglichkeit bekommen, die darin genannten Vorgaben für alle weiteren Verwendungen zu lesen und als Handlungsanweisungen zu beachten.
Konkret soll es vier Vorgaben beziehungsweise Bedingungen geben:
- Credit (Namensnennung): Hierbei sollen Schöpfer*in und Quelle genannt werden und beides auch gegenüber den Nutzenden im Output sichtbar sein.
- Credit + Direct Contribution (Direkte Unterstützung): Es soll eine finanzielle oder anderweitige Unterstützung der Schöpfer*innen des genutzten Inhalts erfolgen.
- Credit + Ecosystem Contribution (Ökosystem-Beitrag): Die Unterstützung in Form von einer Geldzahlung oder Sachleistung soll nicht an die Schöpfer*in direkt, sondern an das Ökosystem, aus dem der Inhalt stammt, erfolgen. So sollen die Commons insgesamt unterstützt und ein Beitrag an das Ökosystem zurückgegeben werden.
- Credit + Open (Offenheit): Dabei soll die Nutzung der Inhalte nur unter Bedingung möglich sein, dass das KI-System selbst offen (Open Source/Open Access) ist und beispielsweise seine Codes offenlegt.
Die CC Signals zielen in ihrer grundsätzlichen Konzeption darauf ab, dass diejenigen, die von freiem Wissen und offenen Bildungsmaterialien profitieren, auch etwas zurückgeben. Nur durch diese gegenseitige Unterstützung ist es möglich, dass freies Wissen entstehen und bestehen kann und für möglichst viele Menschen zugänglich ist. Auch KI-Systeme profitieren hiervon, weil sie nur so genügend Inhalte haben, um trainiert zu werden beziehungsweise inhaltliche Verzerrungen zu verringern. Es geht hier also nicht so sehr um rechtliche Verbindlichkeiten, sondern mehr um ein gegenseitiges Geben und Nehmen, um soziale und moralische Normen.
Wo steht die Entwicklung der CC Signals, wie geht es weiter?Link zu diesem Abschnitt: Wo steht die Entwicklung der CC Signals, wie geht es weiter?
Interessanterweise kündigte die CC-Organisation im Frühsommer 2026 an – etwa ein Jahr nach Vorstellung der CC Signals 0.1 – ihren Ansatz zu wechseln. So wurde nach deutlichen Rückmeldungen aus den Communities klar, dass es verbindliche und damit rechtlich durchsetzbare Mechanismen braucht. Die Organisation kündigte daraufhin an, entsprechende Instrumente zu entwickeln. Dieser Prozess ist derzeit noch im Fluss; die Organisation ruft jedoch aktiv dazu auf, sich zu beteiligen und inhaltliches Feedback sowie Erwartungen an diese Instrumente einzubringen. (Interessierte können hier (Öffnet in einem neuen Tab) Feedback einreichen.)
Hinter diesem Konzeptwechsel steht der Gedanke, dass unverbindliche Präferenzsignale ohne Durchsetzungskraft die Machtverhältnisse – zwischen den Rechteinhaber*innen hier und den KI-Plattformen dort – nicht verschieben würden. Andererseits sei in manchen Fällen ein bedingter Zugang besser als gar kein Zugang. Im Juli 2026 kündigte die CC-Organisation nach einem Workshop in London an, dieses rechtlich durchsetzbare Werkzeug gemeinsam mit einer kleinen Gruppe von Data Stewards als Pilottester*innen zu entwickeln, und rief Verwalter*innen offener Sammlungen zur Beteiligung auf. Die geplanten Zugangsbedingungen sollen unabhängig vom Urheberrecht funktionieren können und rechtlich durchsetzbar sein. Möglich scheint hier eine vertragliche Grundlage. Die genaue rechtliche Ausgestaltung hat Creative Commons bislang aber offengelassen.
Wie auch immer die CC Signals als neues Opt-out, beziehungsweise Lizenzierungswerkzeug, letztlich im Detail ausgestaltet sein werden – klar dürfte sein, dass in ihnen die Namensnennung („Attribution“) als zentrale Grundbedingung (Öffnet in einem neuen Tab) für die Nutzung von Inhalten durch KI-Systeme verankert sein wird. Damit schlägt CC gewissermaßen die Brücke zu den klassischen CC-Lizenzen, bei denen das BY-Element (Namensnennung) das universelle Grundmodul bildet.
Solvejg Gunkel, Fabian Rack
Themen
Artikel teilen
Diesen Beitrag zitieren
iRights.Lab GmbH (2026): „Inhalte für KI-Trainings und -Tools freigeben? Ja, aber unter Bedingungen – mit CC Signals?“. In: prompt/, Ausgabe Oktober 2026. https://prompt.irights-lab.de/ausgaben/2026-10/hintergrund-cc-signals (abgerufen am 21.11.2026)
Bitte passen Sie das Abrufdatum an, falls Sie den Beitrag an einem anderen Tag gelesen haben.