Das KI-Musiktool Suno hat sich laut einem aktuellen Hack sehr umfangreich bei den verschiedensten Streaming-Plattformen bedient.
Das Online-KI-Tool zur Musikgenerierung „Suno“ hat Millionen von Songs und Songtexte etc. von quasi überall geklaut. Dies erklärte ein Hacker, der in das Unternehmen eingedrungen war. Er gab Daten zu den Trainingsbibliotheken von Suno an Journalisten vom Portal „404 Media“ weiter.
ellie.191 hatte Zugriff auf den Quellcode und die Zahlungsdaten
Nach eigenen Angaben erlangte der Hacker „ellie.191“ Zugriff auf Nutzerdaten von Hunderttausenden Suno-Kunden sowie auf ihre Zahlungsdaten bei Stripe.
Der Hack bietet einen seltenen Einblick, wie KI-Modelle und -Tools im Detail funktionieren. Suno ist eines der größten Tools zur KI-Musikgenerierung im Internet. Das Unternehmen war bereits Gegenstand mehrerer großer Gerichtsverfahren seitens der Musikindustrie. Sie werfen dem Konzern vor, Millionen urheberrechtlich geschützter Songs zum Trainieren verwendet zu haben. In Deutschland strengt seit diesem Frühjahr die GEMA mit einer ähnlichen Begründung ein Verfahren vor dem Landgericht München an.
KI mit „zig Millionen“ Werken angefüttert
Im Rahmen der US-Gerichtsverfahren hat Suno bereits eingeräumt, dass das Modell mit „im Wesentlichen allen Musikdateien von angemessener Qualität, die im offenen Internet zugänglich sind“ trainiert wurde, was insgesamt „zig Millionen Aufnahmen“ umfasste. Die Geschäftsleitung von Suno glaubt ernsthaft daran, es sei zulässig, das KI-Modell im Rahmen der „fair use“-Regelung auch mit urheberrechtlich geschützten Werken zu trainieren. Das sehen die Plattenlabels mangels einer Erlaubnis oder Kompensation naturgemäß ganz anders.
Die Gerichtsverfahren haben bisher belegt, dass man Suno tatsächlich seine KI-Modelle mit riesigen Mengen urheberrechtlich geschützter Werke trainiert hat. Die Recording Industry Association of America (RIAA) warf Suno vor, Songs direkt von YouTube kopiert zu haben. Die kürzlich geleakten Daten bestätigen diese Aussage.
Suno bediente sich beinahe überall im WWW
Das gehackte Material umfasst Quellcode, der offenbar aus den Jahren 2023 und 2024 stammt. Er beinhaltet Anweisungen zum Scraping (Bedeutung: Systematisches Sammeln von Daten, die man ohne Erlaubnis fremden Webseiten entnimmt) sowie Details zum Umfang zumindest eines Teils des Scrapings enthält. So vermerkte man beispielsweise in den Kommentaren einer Datei, dass Daten von „genius_hq, youtube_music, freesound, jamendo, imp, deezer, ytm_tagged“ abgerufen werden sollten. Inhalte ohne Musik filterte man heraus. In einer Datei namens „youtube_music“ vermerken die Programmierer, dass man zum Zeitpunkt der letzten Aktualisierung der Datei „2.013.545 Musikclips“ in das KI-Training einbezogen hatte.
Betroffen von der Aktion waren aber noch viele weitere Streaming-Portale. So verwendete man 113.879 Stunden von „YouTube Music“, unzähliges Material von der Songtext-Bibliothek „Genius“, und dem CC-Portal „Freesound„. Dazu kam Material der Noten-Bibliothek „IMSLP„, der GEMA-freien Musikplattform „Jamendo Music„, der Plattform für lizenzfreie Musik „Pond5 Music„, von Deezer, dem Archiv für Liedtexte „MuseScore“ und von anderen Quellen.
Auch Gesang, Songtexte und Podcasts genutzt
Die Sammelleidenschaft von Suno ging aber noch weit darüber hinaus. Laut dem weitergebenen Code suchte man speziell nach A-capella-Versionen von Songs auf YouTube. Dabei nutzte Suno Proxys, um den Gesang von YouTube über ein Unternehmen namens Bright Data zu scrapen. Die Firma ist bekannt für ihre Scraping-Tools, Infrastruktur und weitere Datendienste.
Doch der Hack brachte noch weitere Details ans Tageslicht. Aus anderen Codezeilen geht hervor, dass Suno mithilfe eines Online-Tools namens „PodcastIndex“ 420.000 verschiedene Podcasts identifiziert hat. Man versuchte rund eine Million Stunden an Podcasts herunterzuladen, um damit die KI weitergehend zu trainieren. Man hat also Werke aus mehreren Jahrzehnten systematisch extrahiert, um sie systematisch einzusetzen. Die RIAA wirft Suno zudem vor, man habe dabei rechtswidrige Stream-Ripping-Portale genutzt, um die Musik aus den Videos zu kopieren.
KI-generierte Songs sollen nicht an bestehende Werke erinnern
Nach Angaben eines Sprechers von Suno handelt es sich beim kopierten Quellcode um veraltete Versionen. Die Anzahl der kopierten Musiktitel dürfte noch deutlich größer sein. Der Sprecher fügte hinzu, das Unternehmen habe Maßnahmen ergriffen, um zu verhindern, dass Nutzer Songs generieren, die wie bereits existierende Songs klingen. Doch in einigen Klagen wirft man dem Unternehmen genau das vor.
