Wie ich meinen Fotos einen Widerspruch gegen KI-Training verpasst habe

Ich verfolge seit einer Weile ein Gerichtsverfahren, das mich eigentlich nichts angehen dürfte. Und das mich gleichzeitig mehr angeht als fast alles, was gerade in meiner Branche passiert. Am 3. September verhandelt der Bundesgerichtshof über die Klage eines Berufsfotografen gegen einen gemeinnützigen Verein. Der hatte seine Fotos in einen Datensatz kopiert: 5,85 Milliarden Bild-Text-Paare, frei verfügbar, und weltweit eine der Grundlagen für das Training von Bild-KIs. Die frühen Versionen von Stable Diffusion stehen darauf auf.

Was mich an dem Fall nicht losgelassen hat, war gar nicht die juristische Frage. Es war eine viel einfachere: Steht auf meiner eigenen Seite eigentlich irgendwo, dass ich das nicht will?

Spoiler: Da stand nichts. Also habe ich mich einen Vormittag lang hingesetzt und das geändert. Was dabei herauskam, war spannender als gedacht, und an einer Stelle hätte ich fast ordentlich danebengegriffen, ohne es je zu merken.

Warum "bitte nicht" auf Deutsch nicht reicht

Keine Sorge, ich halte den rechtlichen Teil kurz. Du brauchst genau zwei Paragrafen, um den Fall zu verstehen.

Der erste erlaubt es, große Datenmengen automatisiert zu durchsuchen, auch kommerziell. Wenn du das für deine Werke nicht willst, darfst du widersprechen. Der Haken: Für alles, was online steht, muss dieser Widerspruch maschinenlesbar sein.

Genau daran ist der Fotograf bisher gescheitert. Er hatte widersprochen, in seinen Nutzungsbedingungen, in ganz normalem Deutsch. Dem Oberlandesgericht Hamburg reichte das für den Stand von 2021 nicht. Ein Satz, den jeder Mensch sofort versteht, zählte nicht. Weil ihn keine Maschine liest.

Der zweite Paragraf ist der, an dem sich das Verfahren wirklich entscheidet. Für wissenschaftliche Forschung gibt es eine eigene Erlaubnis, und gegen die kannst du gar nicht widersprechen. Das ist kein Versehen, sondern Absicht des Gesetzgebers: Forschung soll nicht blockierbar sein. Die Hamburger Gerichte haben den Verein als Forschung eingestuft. Deshalb hat der Fotograf verloren.

Ich bin kein Anwalt und will hier auch keinen spielen. Aber eine Erkenntnis aus dem Fall ist unangenehm einfach: Ob mein Nein zählt, hängt nicht davon ab, wie deutlich ich es sage. Sondern davon, ob eine Maschine es lesen kann.

Ich sitze dabei auf beiden Stühlen

Bevor ich dir zeige, was ich gebaut habe, muss ich etwas zugeben.

Ich durchsuche mein eigenes Archiv mit genau der Technik, um die hier gestritten wird. Rund zehntausend Bilder, semantisch durchsuchbar: Ich tippe eine Stimmung ein und bekomme passende Aufnahmen. Die Modelle dahinter sind auf gescrapten Bild-Text-Datensätzen entstanden. Auf genau solchen also.

Es gab keinen Moment, in dem mir das schlagartig klar wurde. Das ist eher eine moralische Frage, die langsam gewachsen ist. Und sie hat einen Kern, der mich wirklich beschäftigt: Diese Daten stecken inzwischen so lange und so tief in den Systemen, dass sich kaum noch nachvollziehen lässt, wer angefangen hat und was überhaupt alles drin ist.

Meine eigenen Bilder? Ich mache mir da keine Illusionen. Ich war vor 2021 mit einem großen Bestand online, die sind mit ziemlicher Sicherheit mit drin. Gesehen habe ich davon nie etwas, zurückverfolgen konnte ich nichts. Dafür bin ich wahrscheinlich auch einfach zu unbekannt.

Was ich dabei fast bemerkenswerter finde: Ich wusste damals selbst nicht, was da läuft. Niemand wusste es. Der große ChatGPT-Moment kam erst im November 2022. Eingesammelt wurde das Material über ein Jahr vorher, still und heimlich. Nicht weil es jemand versteckt hätte, sondern weil schlicht niemand hinsah.

Und ja, ich merke die Widersprüchlichkeit. Ich finde es nicht in Ordnung, dass hier Material verwertet wurde, das im Grunde ohne zu fragen genommen wurde. Und trotzdem nutze ich die Ergebnisse und sehe ganz klar die positiven Seiten. Ist das Gleichgültigkeit? Ein Stück weit schon. Aber nicht, weil es mir egal wäre. Sondern weil ich diese Entwicklung weder technisch noch politisch in der Hand habe. Ich kann sie nutzen oder eben nicht.

Was ich aber sehr wohl in der Hand habe, ist mein eigener Server. Dass ich nicht auf fremden Plattformen veröffentliche, zahlt sich an dieser Stelle zum ersten Mal ganz praktisch aus.

Gemeinnützig ist nur das Aushängeschild

Einen Gedanken zum Verein selbst muss ich noch loswerden, weil er für mich der wunde Punkt des ganzen Falls ist.

Ob eine Organisation gemeinnützig ist, sagt mir erstmal wenig. Das ist das Aushängeschild. Die eigentliche Frage ist die Absicht dahinter, und da hätte ich mir von einem solchen Verein ehrlich gesagt mehr Weitsicht gewünscht.

Denn wer einen solchen Datensatz baut und ihn einfach frei zur Verfügung stellt, gibt die Wertschöpfung ab. Die Arbeit bleibt beim Verein, das Geld verdienen andere. Für mich ist das ziemlich genau das Gegenteil von dem, was gemeinnützig eigentlich bedeuten soll.

Aus Sicht der betroffenen Fotografen sehe ich klar einen Verstoß, die können am wenigsten dafür. Aus Sicht des Vereins? Im ersten Schritt vielleicht nicht, im zweiten schon. Genau diese Schwammigkeit muss jetzt ein Gericht klären. Meine Meinung: Diese Frage hätte man sich deutlich früher und deutlich proaktiver stellen müssen. Dass aus so einem Datensatz etwas entsteht, war absehbar.

Erst dachte ich, das sei eine Zeile Arbeit

So viel zur Haltung. Jetzt in die Werkstatt.

Mein Plan war simpel: eine Regel in die robots.txt, fertig. Diese kleine Datei liegt auf so gut wie jeder Website und sagt Crawlern, was sie dürfen und was nicht. Ein paar Zeilen, eine halbe Stunde, Haken dran.

Es hat am Ende auch ungefähr eine halbe Stunde gedauert. Aber ganz anders, als ich dachte.

robots.txt gilt nur für einen Host, und meine Bilder liegen woanders

Das hier ist der Teil, den du mitnehmen solltest, falls du nur einen mitnimmst.

Meine Website läuft auf Vercel. Meine Bilder liegen auf Cloudflare. Zwei völlig getrennte Systeme, verbunden nur durch die Bild-Adressen im HTML. Bei mir ist das bewusst so gebaut, aber ähnliche Aufteilungen stecken heute in fast jeder modernen Website, oft ohne dass die Besitzer davon wissen.

Und jetzt die Regel, über die ich fast gestolpert wäre: Eine robots.txt gilt immer nur für den Host, auf dem sie liegt. Ein Bild-Crawler nimmt die Adresse eines Fotos und lädt es direkt von dort. Meine Website fragt er dabei überhaupt nicht.

Ich habe also nachgeschaut, was auf meinem Bild-Host eigentlich steht:

curl -sI https://pub-73bba836...r2.dev/robots.txt

Antwort: 404. Da stand nichts. Gar nichts.

Wäre ich bei meinem ursprünglichen Plan geblieben, hätte ich jetzt eine schöne Regel auf meiner Website, würde mich gut fühlen und hätte exakt die Dateien nicht geschützt, um die es geht: meine Fotos. Das ist keine Wissenslücke, das ist eine Falle im Protokoll. Und ich vermute, sie schnappt bei den allermeisten zu.

Zwei Sorten Crawler, und nur eine sperre ich

Bevor du jetzt losrennst und alles dichtmachst: Genau das wäre ein Eigentor. Es gibt nämlich zwei sehr verschiedene Sorten von Bots, und wer sie in einen Topf wirft, verliert Sichtbarkeit, ohne etwas zu gewinnen.

Die Trainings-Sammler laden dein Material ein, um damit Modelle zu trainieren. Du bekommst dafür nichts zurück. GPTBot, Google-Extended, CCBot, ClaudeBot, Bytespider und ein gutes Dutzend weitere.

Die Antwort-Bots holen deine Seite in dem Moment, in dem jemand eine Frage stellt, und nennen dich als Quelle. OAI-SearchBot, PerplexityBot, Claude-SearchBot. Die bringen dir Leser.

Für mich liegt genau hier die Grenze, und die ist kein fauler Kompromiss, sondern meine Position: Ich erlaube Crawlern, auf meine Seite zu kommen, denn ich will gefunden werden. Ich erlaube aber niemandem, meine Bilder abzugreifen, um damit seine Modelle zu trainieren. Es sei denn, ich spiele etwas ganz bewusst selbst ein, dann ist es meine Entscheidung. Aber ungefragt nehmen, verwerten und damit am Ende kommerziell erfolgreich sein: Das ist für mich das Verwerfliche daran.

Übersetzt heißt das bei mir: Bilder gesperrt, Texte frei. Die Trainings-Sammler bekommen eine eigene Gruppe in der robots.txt, in der alle Bildpfade gesperrt sind. Meine Texte dürfen sie weiter lesen, meine Fotos nicht.

User-agent: GPTBot
User-agent: Google-Extended
User-agent: CCBot
Disallow: /_next/image
Disallow: /*.jpg$

Ein Detail, das mich fast erwischt hätte: Findet ein Crawler eine eigene Gruppe, ignoriert er die allgemeine komplett. Alles, was für alle gelten soll, muss in seiner Gruppe noch einmal drinstehen.

Was auf deiner Seite jetzt stehen sollte

Mir ist klar, dass ich mit meinem Setup ziemlich weit in der Nische unterwegs bin. Die allermeisten machen sich über diese technischen Zusammenhänge überhaupt keine Gedanken, und das ist auch nicht schlimm. Nicht jeder ist in der IT verdrahtet, und nicht jeder hat Lust darauf.

Deshalb weniger Anleitung, mehr Impuls. Drei Dinge:

Finde heraus, wo deine Bilder wirklich liegen. Rechtsklick auf ein Foto deiner Seite, Bildadresse kopieren. Steht da eine andere Domain als deine? Dann brauchst du dort einen eigenen Vorbehalt. Bei WordPress liegen die Bilder meist auf derselben Domain, das macht es einfacher.

Trag den Vorbehalt maschinenlesbar ein. In der robots.txt, und zusätzlich als tdmrep.json. Das ist ein Format, das genau für diesen Zweck geschaffen wurde. Es wertet zwar bisher kaum jemand aus, aber es ist die sauberste Form zu zeigen, dass du widersprochen hast. Bei WordPress gibt es Plugins dafür, bei Baukästen wie Squarespace oder Wix ist es eine Frage an den Support.

Schreib es zusätzlich in Klartext ins Impressum. Für die Menschen. Bei mir steht der Absatz jetzt dort, mit Datum. Ähnlich wie bei der Kennzeichnung nach dem EU AI Act gilt: Die Pflicht ist das eine, die verständliche Umsetzung das andere.

Wenn du nicht weißt, wie das bei deinem System geht: Frag nach, recherchier, lass es dir zeigen. Nicht blind loslaufen, aber eben auch nicht einfach liegen lassen.

Und was das alles nicht kann

Ich wäre unehrlich, wenn ich hier mit einem rundum guten Gefühl aufhören würde. Also die Grenzen, ohne Beschönigung.

Der Vorbehalt wirkt nur nach vorne. Alles, was vor 2021 eingesammelt wurde, ist abgeschrieben. Das lässt sich nicht zurückdrehen, da mache ich mir nichts vor.

Er wirkt nur bei Crawlern, die sich daran halten. Die großen Anbieter tun das meist, weil sie es öffentlich zugesagt haben. Für alle anderen ist die robots.txt ein Schild am Zaun, kein Zaun.

Und gegen die Forschungs-Ausnahme wirkt er gar nicht. Das ist der bittere Teil: Genau der Weg, über den der Verein bisher gewonnen hat, bleibt von meinem Vorbehalt völlig unberührt. Am 3. September geht es unter anderem darum, wie weit dieser Weg in Zukunft reicht.

Ich habe es trotzdem gebaut. Nicht weil ich glaube, dass es alles löst. Sondern weil ich den Unterschied zwischen "beruhigt" und "wirksam" erst kenne, seit ich es einmal selbst durchgezogen habe.

Schau nach, wo deine Bilder liegen. Nicht wegen des Urteils. Sondern weil es deine sind.