Regurgitation
Regurgitation bezeichnet den Fall, dass ein KI-Programm ganze Textstellen oder Bilder aus seinem Lernmaterial fast wortwörtlich wieder ausgibt, statt etwas Neues zu formulieren. Das ist technisch ein Nebeneffekt des Lernens und rechtlich einer der heikelsten Punkte in Urheberrechtsprozessen gegen KI-Firmen.
Programme wie ChatGPT lernen, indem sie riesige Mengen an Texten, Bildern und Code durcharbeiten. Aus diesem Material ziehen sie Muster, mit denen sie später eigene Sätze bilden. Manchmal geben sie aber keine eigenen Sätze aus, sondern eine Passage aus dem Lernmaterial fast Wort für Wort. Genau das nennt man Regurgitation, was übersetzt so viel heißt wie « Wiederhochwürgen ». Der Begriff ist bewusst unschön gewählt: Es geht nicht um eine Leistung, sondern um ein Versehen. Betroffen sein können Zeitungsartikel, Buchseiten, Songtexte, Programmcode oder auch Bilder mit erkennbarem Wasserzeichen einer Bildagentur.
Der Streitpunkt in den Urheberrechtsprozessen
KI-Firmen verteidigen ihre Trainingsmethode meist mit einem Argument: Das Modell speichere die Texte nicht, es lerne nur Statistik daraus. Ein Mensch, der viele Romane liest und danach selbst schreibt, verletzt schließlich auch kein Urheberrecht. Regurgitation bringt diese Verteidigung ins Wanken. Denn wenn ein Modell einen Artikel fast unverändert ausspucken kann, steckt der Artikel offenbar doch irgendwie darin.
Die New York Times hat 2023 genau damit gegen OpenAI und Microsoft geklagt. In der Klageschrift stehen über hundert Beispiele, in denen das Modell längere Absätze aus kostenpflichtigen Artikeln nahezu identisch wiedergab. Ähnliche Vorwürfe gibt es von Buchautoren, Musikverlagen und Programmierern. Die Gerichte müssen nun klären, ob so ein Verhalten eine unerlaubte Kopie darstellt.
Für Unternehmen ist das auch ein praktisches Risiko. Wer eine KI Texte für die eigene Webseite schreiben lässt, kann ungewollt fremdes Material übernehmen. Deshalb bieten große Anbieter inzwischen eine Art Rechtsschutz an: Sie versprechen, im Streitfall für zahlende Geschäftskunden einzuspringen.
Wie Textstellen im Modell hängen bleiben
Ein Sprachmodell sagt immer nur voraus, welches Wort als Nächstes am wahrscheinlichsten kommt. Bei den meisten Themen gibt es viele plausible Fortsetzungen, und das Ergebnis wirkt eigenständig. Steht eine Textstelle aber sehr oft im Lernmaterial, wird die Vorhersage extrem eindeutig. Dann ist die wahrscheinlichste Fortsetzung eben genau das Original.
Deshalb trifft es bestimmte Inhalte besonders häufig. Bibelverse, bekannte Gedichte, Gesetzestexte und virale Nachrichtenmeldungen stehen auf tausenden Webseiten. Auch Standardlösungen aus Programmierforen tauchen unzählige Male auf. Man kann sich das wie eine Melodie vorstellen, die man hundertmal gehört hat: Man singt sie irgendwann exakt nach, ohne es zu wollen.
Ein häufiger Irrtum ist, das Modell habe eine Datenbank mit Texten eingebaut. Das stimmt nicht. Ein Modell mit hunderten Milliarden Zahlenwerten kann unmöglich das gesamte Internet abspeichern. Es merkt sich nur Bruchstücke, und zwar genau die, die überdurchschnittlich oft vorkamen. Die Fachwelt unterscheidet deshalb zwischen Memorisierung, also dem Speichern im Modell, und Regurgitation, also dem tatsächlichen Ausgeben.
Filter, Tests und was Nutzer davon merken
Im Alltag stößt man selten zufällig darauf. Die meisten dokumentierten Fälle entstehen, wenn jemand gezielt danach sucht. Ein typischer Trick: Man gibt die ersten Sätze eines Artikels ein und bittet um die Fortsetzung. Forscher nutzen solche Angriffe, um zu messen, wie viel ein Modell auswendig kann.
Die Anbieter setzen dagegen zusätzliche Filter ein. Diese vergleichen die Antwort noch vor der Ausgabe mit bekannten geschützten Texten und blockieren zu ähnliche Passagen. GitHub Copilot etwa hat eine Einstellung, die Vorschläge unterdrückt, wenn sie zu lange mit vorhandenem Code auf GitHub übereinstimmen. Perfekt ist das nicht, es senkt die Häufigkeit aber deutlich.
In Nachrichtenmeldungen begegnet dir der Begriff meist im Zusammenhang mit Klagen, neuen Studien oder Lizenzverträgen. Wenn ein Verlag einen Deal mit einem KI-Anbieter schließt, ist Regurgitation oft der Grund im Hintergrund. Für dich als Nutzer bedeutet das: Bei Texten, die du irgendwo veröffentlichst, lohnt sich eine kurze Suche nach auffälligen Formulierungen.