Het historische gebouw De Bazel in Amsterdam vormde op 24 januari 2025 het decor voor een interessant mini-congres over Auteursrecht & Collectief Beheer, georganiseerd door DeLex. Centraal stond de toenemende spanning tussen AI-ontwikkelingen en de bescherming van auteursrechten. Muziekadvocaat Sander Petit nam namens Backstage Legal deel en deelt hierbij graag de belangrijkste inzichten uit deze bijeenkomst.
BumaStemra en AI
Buma en Stemra geven collectieve licenties uit voor het gebruik van auteursrechtelijk beschermde muziekwerken. Buma doet dat voor de openbaarmaking en Stemra voor de verveelvoudiging van die werken. In ruil voor de licentie moeten muziekgebruikers, zoals festivals, clubs en bijvoorbeeld Spotify een licentievergoeding betalen. Jaarlijks incasseert BumaStemra zo’n € 300 miljoen. Dat geldt betalen zij uit aan de rechthebbenden op de muziekwerken. Die rechthebbenden moeten zich daarvoor hebben aangemeld bij deze collectieve rechtenorganisaties en hun muziek registreren in de database. Buma c.s. koppelt deze data dan aan de gebruiksdata en op die manier weten ze wat ze aan wie moeten betalen.
Inzet van kunstmatige intelligentie bij collectief rechtenbeheer
Nu AI belangrijker wordt in de muziekindustrie, roept dat vragen op voor de collectieve beheersorganisaties. Denk aan; hoe zetten we AI in om data beter te matchen? Maar ook; hoe weten we of iets met AI gemaakt is? Ook niet onbelangrijk; Kunnen we met een licentiemodel gaan werken voor bedrijven als Suno en Udio?
Hoewel AI een steeds grotere rol speelt in de muzieksector, staat Copilot bij Buma niet aan. Wel wordt er gebruikgemaakt van ChatGPT, met name voor efficiëntie, opleiding en workshops. Daarbij wordt rekening gehouden met het feit dat de gegenereerde informatie openbaar en onbeperkt gedeeld wordt.
Machine learning
Machine learning wordt binnen Buma ingezet om bijvoorbeeld nummers sneller en efficiënter te herkennen wanneer ze een tweede keer voorkomen. Dit maakt de koppeling tussen de database en de rekenmodellen efficiënter. Een transitie van ICE naar SALT wordt overwogen, waarbij gestructureerde setlijsten en data worden gecombineerd met andere databronnen om de kwaliteit van de gegevens te verbeteren. Hierbij spelen large language models (LLM’s) een belangrijke rol.
Buma = data
Buma is in de kern een databedrijf. De organisatie beheert en exploiteert muziekdata en werkt voortdurend aan manieren om deze informatie efficiënter en nauwkeuriger te verwerken.
Uitdagingen
Toch loopt Buma tegen verschillende uitdagingen aan. De digital maturity binnen de organisatie en de sector als geheel is nog relatief laag. Daarnaast zijn datasets van platforms zoals Spotify en met name YouTube niet altijd consistent en daardoor discutabel. Ook publishers, subpublishers en onjuiste claims van andere collectieve beheersorganisaties (CBO’s) zorgen voor complicaties.
Een ander aandachtspunt is het detecteren van AI-gebruik in muziek, een terrein waarin Buma nog geen geavanceerde detectiemethoden heeft ontwikkeld. Het proces van matching en merging blijft daardoor complex.
Ten slotte is er een belangrijk inzicht van Joey van der Pasch van DNB: als een taak zonder AI kan worden uitgevoerd, moet dat de voorkeur hebben. AI is namelijk niet alleen technisch uitdagend, maar ook moeilijk uit te leggen aan stakeholders, wat kan leiden tot weerstand en onduidelijkheden.
Met deze ontwikkelingen en uitdagingen in gedachten, blijft Buma werken aan een toekomst waarin muziekdata op een eerlijke en efficiënte manier beheerd en benut kan worden.
Kort juridisch kader voor AI in muziekauteursrecht
De reproductiehandeling bij AI-training van LLM’s
Een centraal juridisch vraagstuk betreft de kwalificatie van het gebruik van muziekwerken voor AI-training en large language models ofwel “LLM’s“. Volgens de huidige interpretatie vormt het inladen van beschermde werken in AI-systemen een reproductiehandeling in de zin van artikel 13 Auteurswet. In dat artikel staat namelijk:
“Onder de verveelvoudiging van een werk van letterkunde, wetenschap of kunst wordt mede verstaan de vertaling, de muziekschikking, de verfilming of tooneelbewerking en in het algemeen iedere geheele of gedeeltelijke bewerking of nabootsing in gewijzigden vorm, welke niet als een nieuw, oorspronkelijk werk moet worden aangemerkt.”
Dit betekent dat voor het trainen van AI-modellen met auteursrechtelijk beschermde muziek in principe toestemming van rechthebbenden vereist is.
Text and Data Mining Exception
De Europese wetgeving kent een uitzondering voor text and data mining (“TDM“), maar de reikwijdte hiervan voor muziekwerken is onderwerp van discussie. Kort gezegd, mag die reproductiehandeling worden verricht in het kader van wetenschappelijk onderzoek. De gebruikte werken moeten daarvoor wel rechtmatig toegankelijk zijn. Vooral relevant is de opt-out mogelijkheid die rechthebbenden hebben voor commerciële TDM-toepassingen onder artikel 4 van de DSM-richtlijn.
Wil je daar meer over weten? Lees dan dit interessante artikel in AMI – tijdschrift voor auteurs-, media- en informatierecht 2019/5 van professor mr. Bernt Hugenholtz of het Engeltalig blog dat we daarover schreven op deze website.
Aansprakelijkheid en handhaving
De handhaving van auteursrecht bij AI-gebruik kent verschillende uitdagingen:
- Detectie van ongeoorloofd gebruik in trainingsdata;
- Vaststelling van inbreuk bij AI-gegenereerde werken;
- Jurisdictievraagstukken bij internationale AI-platforms;
- Bewijslevering bij vermeende inbreuk.
Collectief Rechtenbeheer en AI
Nieuwe Licentiemodellen
De sector staat voor de uitdaging om nieuwe licentiemodellen te ontwikkelen die recht doen aan:
- Het grootschalige karakter van AI-training;
- De verschillende gebruiksvormen van muziekwerken;
- De belangen van verschillende categorieën rechthebbenden.
Machine Unlearning
Een belangrijk nieuw concept is ‘machine unlearning’, waarbij AI-systemen getraind kunnen worden om bepaalde werken te ‘vergeten’. De juridische status en praktische haalbaarheid hiervan zijn nog onderwerp van discussie.
Wil je van de hoed en de rand weten? Check dan deze longread van Ken Ziyu Liu (o.m.) Stanford University.
Jurisprudentie en Ontwikkelingen
De LAION-zaak
Recente uitspraak in de LAION-zaak (Hamburg) heeft belangrijke implicaties voor de sector. Deze zaak onderstreept de noodzaak van:
- Duidelijke toestemmingsvereisten voor AI-training;
- Adequate vergoedingsmodellen;
- Effectieve handhavingsmechanismen.
LAION (Large-scale Artificial Intelligence Open Network) is een non-profit organisatie die zich richt op het creëren en beschikbaar stellen van grote datasets voor het trainen van AI-modellen. De organisatie kwam in het vizier van de muziekindustrie door het verzamelen en gebruiken van auteursrechtelijk beschermde muziekwerken voor AI-trainingsdoeleinden.
De rechtszaak
Universal Music heeft in Hamburg een rechtszaak aangespannen tegen LAION vanwege het gebruik van beschermde muziekwerken in hun datasets. De kernvraag in deze zaak was of het verzamelen en gebruiken van muziekwerken voor het trainen van AI-modellen zonder toestemming van rechthebbenden een inbreuk vormt op het auteursrecht.
Belangrijkste overwegingen van de rechtbank
Reproductierecht
- De rechtbank oordeelde dat het opnemen van muziekwerken in trainingsdatasets een reproductiehandeling vormt;
- Deze reproductie valt niet onder bestaande uitzonderingen in het auteursrecht;
- Ook tijdelijke kopieën voor het trainingsproces werden als relevante reproductiehandelingen aangemerkt.
Text and Data Mining
- De TDM-uitzondering uit de DSM-richtlijn bood geen uitkomst voor LAION;
- De rechtbank benadrukte het onderscheid tussen wetenschappelijk onderzoek en commerciële toepassingen;
- De opt-out mogelijkheid voor rechthebbenden werd als relevant gezien.
De uitspraak
De rechtbank in Hamburg heeft geoordeeld dat:
- LAION inbreuk maakt op het auteursrecht van rechthebbenden;
- Toestemming vooraf vereist is voor het gebruik van beschermde werken in AI-training;
- De organisatie moet stoppen met het gebruik van beschermde muziekwerken zonder licentie.
Impact van de uitspraak
Voor de muziekindustrie
- Versterking van de onderhandelingspositie van rechthebbenden;
- Bevestiging van het principe dat AI-training onder het auteursrecht valt;
- Basis voor nieuwe licentiemodellen.
Voor AI-ontwikkelaars
- Noodzaak tot het verkrijgen van licenties;
- Heroverweging van dataverzamelingsmethoden;
- Mogelijk hogere ontwikkelingskosten.
Hoger Beroep
De zaak is momenteel in hoger beroep, waarbij enkele cruciale vragen centraal staan:
- De reikwijdte van het reproductierecht in de context van AI;
- De toepasselijkheid van bestaande uitzonderingen;
- De praktische uitvoerbaarheid van licentievereisten.
Internationale Betekenis
De uitspraak heeft internationale implicaties:
- Precedentwerking voor andere Europese jurisdicties;
- Mogelijk effect op internationale AI-ontwikkeling;
- Invloed op toekomstige wetgeving en beleid.
Toekomstperspectief
Verwachte Ontwikkelingen
- Mogelijke prejudiciële vragen aan het Europese Hof van Justitie;
- Ontwikkeling van nieuwe licentiemodellen voor AI-training;
- Aanpassing van bestaande wetgeving.
Internationale Context
De muziekindustrie opereert internationaal, wat vraagt om:
- Harmonisatie van regelgeving;
- Internationale samenwerking tussen CBO’s;
- Afstemming van handhavingsstrategieën.
Praktische Implicaties
Voor rechthebbenden
- Noodzaak tot actieve monitoring van AI-gebruik;
- Strategische keuzes over opt-out mogelijkheden;
- Afweging tussen bescherming en nieuwe exploitatiemogelijkheden.
Voor collectieve beheersorganisaties
- Ontwikkeling van nieuwe mandaten voor AI-gebruik;
- Aanpassing van verdeelsystemen;
- Investering in detectietechnologie.
Advies over AI, auteursrecht en collectief beheer?
Heb je vragen over de bescherming en handhaving van jouw auteursrecht? Neem gerust contact op voor een vrijblijvende offerte. We helpen je zo snel mogelijk verder.
0 Comments Leave a comment