KI-Recht im Fokus KI-Destillation: Wann wird das Training mit fremden Modellen zum Rechtsverstoß?

Anbieter zum Thema

Baker & McKenzie - Partnerschaft von Rechtsanw.n, WPn u. StB.n mbB

Softeq Development GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

KI-Destillation macht Antworten starker Modelle zum Trainingsmaterial für Konkurrenzsysteme. Doch wann ist das legitime Technik – und wann beginnt der rechtswidrige Zugriff auf Geschäftsgeheimnisse?

Im September 2026 erklärten US-Behörden die industrielle Kowledge Destillation amerikanischer KI-Modelle durch chinesische Anbieter , darunter DeepSeek und Alibaba, zur nationalen Sicherheitsfrage. Der Vorwurf: Über Millionen von API-Anfragen, zum Schein angelegte Nutzerkonten und Proxy-Dienste seien Reasoning-Fähigkeiten und Modellverhalten führender US-Modelle systematisch abgeschöpft worden, um eigene Konkurrenzmodelle zu trainieren – ohne Zugriff auf Quellcode, Gewichte oder Trainingsdaten. Der Fall illustriert ein strukturelles Dilemma der KI-Ökonomie: Welche Rechte schützen ein Foundation Model, wenn der Angriff ausschließlich über die öffentlich zugängliche API erfolgt? Praktisch relevant ist ein solcher Fall insbesondere, wo eigene Modelle zum Ziel werden. 

Knowledge Distillation ist eine KI-Trainingstechnik: Ein großes, leistungsstarkes Lehrermodell generiert Ausgaben wie etwa Texte, Wahrscheinlichkeitsverteilungen, Reasoning-Traces , und ein kleineres Schülermodell wird darauf trainiert, dieses Verhalten zu reproduzieren. Das Ziel ist kein Byte-für-Byte-Kopieren, sondern die Übertragung von Fähigkeiten, Entscheidungsmustern und Wissenspräferenzen in ein kompakteres System. Destillation ist eine Technik, keine Rechtskategorie. Dasselbe technische Verfahren kann, je nach Zugangsweise, Umfang und genutztem Material, ein legitimer Ingenieursakt, eine Vertragsverletzung, eine Geschäftsgeheimnisverletzung oder ein wettbewerbswidriger Akt sein. Die juristische Analyse setzt daher nicht bei der Frage an, ob Destillation stattfand, sondern bei der Kette der einzelnen rechtlich relevanten Akte: Wie wurde Zugang erlangt? Welches Material wurde genutzt? Wie wird das Material genutzt? 

Eine wirksame Schutzstrategie beginnt damit lange vor dem ersten Rechtsstreit und kombiniert mehrere Ebenen. Auf der geschäftsgeheimnisrechtlichen Ebene sind Zugriffskontrolle, NDAs für API-Partner und ein dokumentiertes Klassifikationssystem für Modellgewichte und Reasoning-Traces nicht optional, sondern Tatbestandsvoraussetzung.

Dr. iur. Constantin Rehaag, M.A, Partner und Head of IP DACH Region der Kanzlei Baker McKenzie

Schutz des Models im US-Recht

Im US-amerikanischen Recht und somit in dem konkreten Fall spielen drei Instrumente die Hauptrolle, deren Stärken und Schwächen den Kontrast zur europäischen Rechtslage scharf konturieren: Das Vertragsrecht,  der Defend Trade Secrets Act (DTSA) und ergänzend der Computer Fraud and Abuse Act (CFAA), der unbefugten Zugriff über gefälschte Nutzerkonten als eigenständigen Straftatbestand erfasst, sind hier von zentraler Bedeutung.

Digital Trust

KI-Entscheidungen bleiben eine Blackbox – bis Zertifizierung Klarheit schafft

KI-Destillation: Die Rechtslage in Deutschland

In Deutschland kommen als Schutzregime vor allem Urheberecht, Lauterkeitsrecht, Vertragsrecht und das Geschäftsgeheimnisrecht in Betracht. Das deutsche Urheberrecht schützt ausschließlich persönliche geistige Schöpfungen im Sinne von § 2 Abs. 2 UrhG und setzt damit zwingend einen menschlichen Urheber voraus. Rein KI-generierte Outputs sind nach geltendem Recht nicht schutzfähig und damit gemeinfrei. Das Trainingsmaterial des Schülermodells sind Outputs des Lehrermodells, also KI-generierte Inhalte und keine menschlichen Schöpfungen.

Um Missverständnissen vorzubeugen: Das LG München I bejahte in zwei jüngeren Entscheidungen (42 O 14139/24 und 42 O 763/25) eine Urheberrechtsverletzung für den Fall, dass ein KI-Modell geschützte Liedtexte im Wege der Memorisierung reproduziert. Wenn also der Output des Lehrermodells ein geschütztes menschliches Werk aufgrund der Memorisierung enthält, ist dieser Output urheberrechtlich relevant. Für den Modellbetreiber, dessen Modell destilliert wird, bleibt diese Tür jedoch verschlossen: Der Schutz gilt ausschließlich zugunsten des Originalurhebers. Auch der Schutz als Datenbankwerk nach §§ 4, 87a ff. UrhG scheidet aus. Bei der Destillation werden Antworten dynamisch auf spezifische Anfragen generiert. Es existiert also lediglich ein vom Lehrermodell generierter flüchtiger Datenstrom, kein nach einem festen, aber kreativen Schema organisierter Datenkorpus. Urheberrechtliche Ansprüche scheiden daher regelmäßig aus.

Ein Vorgehen gegen KI-Destillation nach dem Gesetz gegen den unlauteren Wettbewerb (UWG) erscheint hingegen erfolgversprechender. Lauterkeitsrechtliche Ansprüche setzen kein Werk voraus. Erforderlich ist nach § 4 Nr. 3 UWG , dass eine Nachahmung erfolgt, die neben einer wettbewerblichen Eigenart des Lehrermodells besondere Unlauterkeitsmerkmale voraussetzt. Eine unlautere Handlung kann insbesondere dann vorliegen, wenn die für die Nachahmung erforderlichen Vorlagen oder Erkenntnisse unter Verstoß gegen die Nutzungsbedingungen unredlich erlangt wurden.. Auch kann eine gezielte Behinderung (§ 4 Nr. 4 UWG) durch systematisches Nachbauen gegeben sein, insbesondere wenn der Inhaber technischen und vertraglichen Schutz implementiert hat. 

Nutzungsbedingungen, die bestimmte Arten der Nutzung des Lehrermodells untersagen, müssen als AGB-Klauseln die Anforderungen der §§ 305 ff. BGB erfüllen. Bei präziser Formulierung ist das gut erreichbar und ein gewisser Schutz kann erreicht werden. Doch ist er auf die Parteien des Vertrages beschränkt und bietet weniger Sanktionsmöglichkeiten als das Geschäftsgeheimnisgesetz (GeschGehG). 

Das GeschGehG erscheint als das rechtlich passgenaueste Instrument, weil es nicht am Werkbegriff oder an einer Nachahmungen anknüpft, sondern an der wirtschaftlichen Schutzwürdigkeit von Informationen. Geschützt sein können Modellgewichte und Hyperparameter, proprietäre Trainingsmethoden, Chain-of-Thought-Reasoning-Traces sowie das Kompositions-Know-how von Trainingsdatensätzen – sofern sie geheim sind, kommerziellen Wert aus ihrer Geheimhaltung ziehen und Gegenstand angemessener Schutzmaßnahmen sind.

Die entscheidenden Anknüpfungspunkte im Destillationsfall liegen in § 4 Abs. 1 und 2 GeschGehG: Die Erlangung und Nutzung durch unbefugten Zugang oder vertragswidrige Handlungen ist verboten. Die Nutzung zum Schein angelegter Nutzerkonten und verschleiernder Proxy-Dienste können diesen Tatbestand erfüllen. Das GeschGehG schützt jedoch nur, wer sich selbst schützt: Wer Zugriffsbeschränkungen, Vertraulichkeitsvereinbarungen und ein dokumentiertes Klassifikationssystem nicht nachweisen kann, verliert den Schutz, bevor er ihn einsetzen kann. Die zentrale praktische Herausforderung bleibt die Beweisführung: ein Modell, das lediglich Fähigkeiten ableitet, ohne Quellmaterial wörtlich zu reproduzieren, ist beweisrechtlich schwer zu fassen.

Künstliche Intelligenz außer Kontrolle?

KI-Sicherheit: Warum Europa regulatorisch nicht am Anfang steht

Wie kann das Model bei KI-Destillation geschützt werden?

Eine wirksame Schutzstrategie beginnt damit lange vor dem ersten Rechtsstreit und kombiniert mehrere Ebenen. Auf der geschäftsgeheimnisrechtlichen Ebene sind Zugriffskontrolle, NDAs für API-Partner und ein dokumentiertes Klassifikationssystem für Modellgewichte und Reasoning-Traces nicht optional, sondern Tatbestandsvoraussetzung. Lauterkeitsrechtlich ist der Nachweis der wettbewerblichen Eigenart vorzubereiten und vertraglich müssen Anti-Destillationsklauseln technisch präzise formuliert sein und KYC-Prozesse bei API-Registrierung sowie ein vertragliches Monitoring-Recht die Inhaber des Lehrermodells absichern. Technisch empfiehlt sich Output-Watermarking: statistische Wasserzeichen, die auch im Schülermodell nachweisbar bleiben und die Trainingsdaten-Herkunft beweissichernd dokumentieren.