Die Klage der Seattle Times Co. und von Newsday LLC gegen OpenAI und Microsoft ist kein isolierter Streit über ein paar Artikel. Sie trifft einen wunden Punkt im Geschäftsmodell generativer KI: Ein Teil der Wertschöpfung beruhte zumindest teilweise darauf, dass hochwertige Trainingsdaten als verfügbar galten, ohne dass daraus zwingend ein klarer Einkaufspreis wurde.
Am 4. September 2026 haben die beiden Verlage nach den Klageunterlagen beim US-Bezirksgericht für den Southern District of New York Klage gegen mehrere OpenAI-Gesellschaften und die Microsoft Corporation eingereicht. Der Vorwurf ist deutlich: Hunderttausende Artikel, darunter Inhalte hinter Paywalls, seien systematisch und heimlich von den Websites der Verlage kopiert worden, um KI-Modelle wie ChatGPT und Microsoft Copilot zu trainieren. Die Kläger verlangen finanziellen Schadenersatz sowie die Vernichtung betroffener Kopien, Trainingsdatensätze und Large Language Models, soweit diese die Werke enthalten.
Für OpenAI und Microsoft ist das juristisch heikel. Für den KI-Markt ist es vor allem betriebswirtschaftlich relevant. Denn wenn Gerichte oder Vergleiche journalistische Inhalte als vergütungspflichtigen Input behandeln, verändert sich die Kostenbasis eines Modells, das ohnehin unter hohem Rechen-, Energie- und Infrastrukturaufwand steht.
Aus kostenloser Vorleistung wird ein Einkaufsposten
Generative KI-Produkte verkaufen keine Artikel weiter wie ein Archivdienst. Ihr Geschäftsmodell ist anders gelagert: Sie verwandeln große Mengen Text in ein Modell, das Antworten erzeugt, Zusammenfassungen schreibt, Recherche unterstützt oder Softwareprodukte erweitert. Der ökonomische Streit beginnt genau an dieser Stelle. Verlage argumentieren, dass ihre Arbeit als Rohstoff in kommerzielle Systeme eingeflossen sei, ohne Genehmigung und ohne Vergütung. OpenAI und Microsoft dürften sich im Grundsatz auf Fair Use berufen und darauf, dass das Training auf öffentlich zugänglichen Texten einen breiteren Nutzen erzeugt. Ob und wie weit dieses Argument trägt, ist die offene Rechtsfrage.
Vom Artikel zum KI-Kostenrisiko
Die Grafik zeigt die wirtschaftliche Kette vom journalistischen Inhalt über das Modelltraining bis zu Lizenz- und Prozessrisiken.
Die Seattle Times und Newsday wählen eine Klagestrategie, die nicht nur abstrakt auf Training verweist. Als Beleg führen sie unter anderem einen Auszug aus der Pulitzer-preisgekrönten Berichterstattung der Seattle Times über die Boeing-737-MAX-Abstürze an, der von KI-Systemen fast wörtlich wiedergegeben worden sein soll. Damit wird aus dem allgemeinen Vorwurf der Datennutzung ein konkreter Vorwurf der Reproduktion. Für die Kläger ist das wichtig, weil reine Trainingsdebatten schwerer greifbar sind als ein nahezu wortgleicher Output.
Kapitalmarktlogisch geht es weniger um diesen einzelnen Auszug als um seine Funktion. Er soll zeigen, dass hochwertige, teure Recherche nicht nur im Modell verschwindet, sondern unter bestimmten Umständen wieder als verwertbarer Text auftauchen kann. Damit verschiebt sich die Diskussion von der Datenbeschaffung zur Produktwirkung.
Die Margenlogik der KI wird enger
OpenAI und Microsoft betreiben KI-Produkte in einem Markt, der bereits kapitalintensiv ist. Modelle müssen trainiert, aktualisiert, bereitgestellt und in Produkte integriert werden. Dafür braucht es Chips, Rechenzentren, Energie, Sicherheitsarbeit, Entwicklerteams und Vertrieb. Die Hoffnung auf hohe Margen basiert darauf, dass sich diese Fixkosten über sehr viele Nutzer, Unternehmensverträge und Plattformintegrationen verteilen lassen.
Lizenzkosten für Trainingsdaten ändern diese Gleichung nicht allein. Sie können aber eine zusätzliche Kostenschicht bilden, die schwer zu standardisieren ist. Journalismus ist kein homogener Rohstoff. Lokalzeitungen, Nachrichtenagenturen, Fachmedien und nationale Titel besitzen unterschiedliche Archive, Rechteketten und Verhandlungspositionen. Je mehr Rechteinhaber erfolgreich Ansprüche anmelden, desto mehr ähnelt die Datenbeschaffung einem fragmentierten Lizenzmarkt.
OpenAI hat bereits Lizenzvereinbarungen mit mehr als einem Dutzend Medienhäusern geschlossen, darunter The Associated Press, News Corp und Axel Springer. Zu einzelnen Vereinbarungen wurden dreistellige Millionenbeträge berichtet; die genauen Bedingungen sind meist nicht öffentlich. Diese Vereinbarungen sind aus Sicht von OpenAI nicht nur Friedensangebote. Sie sind auch eine Einkaufsstrategie: rechtlich belastbarere Daten, bessere Beziehungen zu Verlagen, weniger Prozessrisiko.
Der Nachteil liegt auf der Kostenseite. Wer Inhalte lizenziert, anerkennt faktisch, dass hochwertige Daten einen Preis haben können. Das schwächt nicht automatisch die Fair-Use-Argumentation in jedem Verfahren, macht aber die Marktlogik sichtbar: Einige Verlage werden bezahlt, andere klagen. Für KI-Anbieter entsteht daraus ein Bewertungsproblem. Die künftige Bruttomarge hängt nicht nur von GPU-Preisen und Cloud-Auslastung ab, sondern auch davon, wie teuer rechtssichere Datennutzung wird.
Microsoft ist mehr als ein Nebenadressat
Dass Microsoft mitverklagt wird, ist für den Fall zentral. Das Unternehmen ist nicht nur Investor und Cloud-Partner von OpenAI, sondern nutzt die Technologie in Produkten wie Copilot. Damit liegt der wirtschaftliche Hebel nicht allein bei ChatGPT-Abonnements. Er reicht in Office-Software, Entwicklerwerkzeuge, Unternehmenslizenzen und Cloud-Dienste.
Microsofts Reaktion auf die Klage ist deshalb wichtig. Ein Konzern dieser Größe hat ein Interesse daran, Rechtsunsicherheit nicht eskalieren zu lassen, ohne frühzeitig eine Haftungslogik zu akzeptieren, die spätere Fälle verteuern könnte.
Für Microsoft ist der Risikokorridor breiter als für ein reines KI-Start-up. Einerseits kann der Konzern mögliche Lizenz- oder Vergleichskosten besser tragen. Andererseits ist die Verteilung generativer KI in etablierte Softwareprodukte besonders exponiert. Wenn Outputs in Arbeitsabläufe von Unternehmen eingebettet werden, steigt die Bedeutung rechtlicher Absicherung. Kunden zahlen nicht nur für Funktionen, sondern erwarten, dass der Anbieter Lizenz-, Compliance- und Haftungsfragen im Griff hat.
Die härteste Forderung betrifft nicht den Schadenersatz
Finanzieller Schadenersatz ist in solchen Klagen erwartbar. Auffälliger ist die Forderung nach Vernichtung betroffener Kopien, Trainingsdatensätze und Large Language Models, die die Inhalte enthalten. Praktisch ist das eine sehr weitreichende Forderung. Moderne Sprachmodelle lassen sich nicht einfach wie eine Datenbankzeile bereinigen. Inhalte sind nicht als sauber isolierbare Dokumente im Modell abgelegt, sondern statistisch in Gewichtungen verarbeitet.
Gerade deshalb hat diese Forderung Verhandlungswert. Sie adressiert den operativen Kern der KI-Industrie: Wenn unlizenzierte Inhalte nicht nur zu Geldforderungen führen, sondern im Extremfall Modelle, Trainingspipelines oder Datensätze infrage stellen, steigt das Risiko über klassische Copyright-Kosten hinaus. Selbst wenn Gerichte am Ende keine vollständige Vernichtung anordnen, erhöht die Forderung den Druck auf Anbieter, Datenherkunft, Filterung und Lizenzketten besser zu dokumentieren.
Das kann zu einer Professionalisierung der Datenbeschaffung führen. Mehr kuratierte Datensätze, mehr Verträge, mehr Auditierbarkeit, mehr interne Trennung zwischen lizenzierten und nicht lizenzierten Korpora. All das kostet. Es senkt nicht unbedingt die Innovationsgeschwindigkeit im technischen Sinn, aber es macht die industrielle Produktion von KI administrativ schwerer und juristisch kontrollierter.
Verlage testen ihren neuen Verhandlungsspielraum
Für die Seattle Times und Newsday ist die Klage auch eine wirtschaftliche Positionierung. Lokal- und Regionaljournalismus hat hohe Fixkosten: Redaktionen, Recherche, Rechtsprüfung, Fotografie, Vertrieb, Technologie, Verwaltung. Paywalls sind ein Versuch, diese Kosten über Leserumsätze zu tragen. Wenn KI-Systeme nach Darstellung der Verlage bezahlte Inhalte aufnehmen und daraus Antworten erzeugen, sehen Verlage eine doppelte Belastung: Sie verlieren Kontrolle über ihre Inhalte und konkurrieren potenziell mit Systemen, die aus diesen Inhalten gelernt haben.
Das bedeutet nicht automatisch, dass jeder KI-Output ein Substitut für Journalismus ist. Viele Antworten ersetzen keinen Reporter, keine Quelle, keine Redaktion. Aber im Informationsmarkt reicht schon teilweise Substitution, um Preissetzung zu verändern. Wenn Nutzer Zusammenfassungen, Hintergründe oder Erklärungen direkt aus KI-Systemen erhalten, können Verlage Reichweite, Suchverkehr und Abonnementanreize verlieren. Die Klage richtet sich deshalb gegen die vorgelagerte Nutzung der Inhalte, nicht erst gegen spätere Marktfolgen.
Die New York Times hat bereits Ende 2023 einen ähnlichen Rechtsstreit gegen OpenAI und Microsoft begonnen. Die neuen Kläger erweitern diese Front nicht nur um zwei weitere Namen. Sie zeigen, dass auch außerhalb der größten nationalen Marken die Bereitschaft wächst, Archive und Paywall-Inhalte als verhandelbare Vermögenswerte zu behandeln.
Der Markt wartet nicht auf ein Grundsatzurteil
Ein eindeutiges Urteil könnte Jahre brauchen. Der Markt handelt vorher. KI-Unternehmen schließen Lizenzen, Verlage prüfen Klagen, Plattformen bauen Schutzmechanismen, Anwälte strukturieren neue Vertragsmodelle. Schon diese Zwischenphase verändert die Anreize. Wer über hochwertige Inhalte verfügt, kann sie stärker als Asset behandeln. Wer KI-Modelle betreibt, muss Datenrisiken in Produktplanung, Finanzierung und Partnerschaften einkalkulieren.
Das macht den Fall für OpenAI und Microsoft nicht automatisch existenzbedrohend. Beide verfügen über Kapital, technische Verbreitung und strategische Partner. Aber der Streit zeigt, dass die frühe KI-Ökonomie einen Teil ihrer Inputkosten noch nicht abschließend bilanziert hat. Rechenleistung war von Anfang an teuer und sichtbar. Daten waren oft teuer in der Beschaffung, aber rechtlich weniger sauber bepreist.
Die Klage von Seattle Times und Newsday rückt genau diese Lücke in den Vordergrund. Am Ende könnte generative KI nicht daran scheitern, dass journalistische Inhalte geschützt werden. Wahrscheinlicher ist ein nüchterneres Ergebnis: Der Aufbau großer Modelle wird teurer, vertraglicher und stärker von Rechteportfolios abhängig. Für eine Branche, die ihre Skalierung über Softwaremargen erklären muss, ist das keine Randnotiz.
Jens analysiert seit Jahren digitale Märkte, Preisbewegungen und Plattform-Strategien. Als Betreiber mehrerer datengetriebener Systeme wertet er täglich große Mengen an Produkt- und Trenddaten aus. Sein Fokus liegt auf Einordnung statt Hype: Was bedeutet eine Entwicklung wirklich für Nutzer, Preise und Märkte?
