SUNO IST NICHT NUR DER GENERATOR, SONDERN AUCH DER STREAMINGDIENST

Die juristischen Auseinandersetzungen um Suno bekommen eine weitere Dimension. SOCAN hat am 2. September 2026 Klage gegen das KI-Musikunternehmen eingereicht. Im Mittelpunkt stehen diesmal nicht nur mögliche Trainingsdaten, sondern konkrete Musikstücke, die mit Suno erzeugt, auf der Plattform öffentlich verfügbar gemacht und dort abgespielt worden sein sollen.

SOCAN verwaltet Rechte für mehr als 200.000 Songwriter, Komponisten und Musikverlage. Für das Verfahren hat die kanadische Organisation 150 öffentlich zugängliche Suno-Outputs zusammengestellt, die nach ihrer Darstellung geschützte Kompositionen aus dem eigenen Repertoire weitgehend oder vollständig reproduzieren sollen.

Entschieden ist damit noch nichts. Die 150 Beispiele sind Material, mit dem SOCAN seine Vorwürfe belegen will. Ob tatsächlich Urheberrechte verletzt wurden und welche Verantwortung Suno dafür trägt, muss das Gericht klären.

🟨 150 KI-OUTPUTS ALS BEWEISMATERIAL

SOCAN hat für das Verfahren eine Auswahl von 150 öffentlich verfügbaren Suno-Outputs zusammengestellt. Nach Darstellung der Organisation weisen diese starke bis vollständige Übereinstimmungen mit geschützten Kompositionen aus ihrem Repertoire auf.

Genannt werden unter anderem „Sk8er Boi“ von Avril Lavigne, „Life Is a Highway“ von Tom Cochrane, „Both Sides Now“ von Joni Mitchell und „Passing Out in America“ von Alexisonfire. SOCAN hat zusätzlich Vergleichsbeispiele veröffentlicht, bei denen menschlich geschaffene Werke und entsprechende Suno-Outputs gegenübergestellt werden.

Damit verändert sich die Beweisführung gegenüber vielen bisherigen KI-Verfahren. Statt nur darüber zu streiten, welche Musik möglicherweise irgendwann in einem Trainingsdatensatz enthalten war, zeigt SOCAN konkrete Ergebnisse, die tatsächlich auf der Plattform abrufbar gewesen sein sollen.

Genau hier beginnt die größere Frage. Selbst wenn ein Nutzer einen Output erzeugt, ist dieser anschließend nicht zwangsläufig nur eine Datei auf dessen Rechner. Suno bietet eine Plattform, auf der generierte Musik gespeichert, geteilt und abgespielt werden kann. SOCAN argumentiert deshalb, dass auch das öffentliche Bereitstellen und Streamen solcher Outputs für die von ihr verwalteten Rechte relevant sein kann.

🟨 DER UNTERSCHIED ZWISCHEN SONG UND AUFNAHME

Um die Klage zu verstehen, muss man zwei Ebenen auseinanderhalten. Ein Song besteht nicht nur aus einer konkreten Aufnahme. Dahinter befindet sich die Komposition, also unter anderem Melodie und gegebenenfalls Songtext. Davon getrennt existiert die Tonaufnahme, das sogenannte Master.

SOCAN konzentriert sich in dieser Klage auf Rechte an den zugrunde liegenden musikalischen Werken. Deshalb ist es nicht entscheidend, ob ein Suno-Output exakt dieselbe Originalaufnahme verwendet.

Die entscheidende Frage kann vielmehr lauten: Reproduziert der Output relevante geschützte Teile der Komposition?

Das macht die Angelegenheit für generative Musiksysteme besonders interessant. Ein Modell könnte theoretisch eine völlig neue Aufnahme erzeugen, mit neuer Stimme, neuen Instrumenten und anderer Produktion. Wenn darin trotzdem genügend geschütztes Material einer bestehenden Komposition übernommen wird, verschwindet die urheberrechtliche Frage nicht automatisch.

🟨 SUNOS DOPPELROLLE

Genau an diesem Punkt unterscheidet sich die SOCAN-Klage von vielen bisherigen Verfahren. Suno stellt das generative System bereit. Gleichzeitig stellt Suno auch die Umgebung bereit, in der Ergebnisse angehört, veröffentlicht und geteilt werden können.

Das Unternehmen befindet sich damit in einer Doppelrolle. Zuerst wird auf der Plattform Musik generiert. Anschließend kann dieselbe Plattform diesen Output wieder an Nutzer ausspielen.

SOCAN greift diese zweite Stufe ausdrücklich auf. Nach Darstellung der Organisation hat Suno Outputs erzeugt, öffentlich verfügbar gemacht und an Nutzer in Kanada sowie darüber hinaus gestreamt, die geschützte Werke aus dem SOCAN-Repertoire reproduzieren sollen.

Für die gesamte Branche könnte genau diese Frage wichtig werden. Wer trägt Verantwortung, wenn ein generatives System einen rechtsverletzenden Output produziert? Nur der Nutzer, der den Prompt eingegeben hat? Der Anbieter des Modells? Der Betreiber der Plattform? Oder mehrere Beteiligte gleichzeitig?

Die SOCAN-Klage könnte dazu führen, dass diese Rollen wesentlich genauer auseinandergehalten werden müssen.

🟨 DER GENERATOR WIRD ZUR PLATTFORMFRAGE

Bei einem klassischen Musikdienst ist die Rollenverteilung vergleichsweise einfach. Ein Künstler oder Label liefert Musik an eine Plattform, die Plattform streamt sie und entsprechende Lizenzsysteme regeln die Nutzung.

Bei generativer Musik verschwimmen diese Rollen. Suno muss nicht darauf warten, dass jemand einen fertigen Song anliefert. Die Plattform stellt selbst das System bereit, mit dem die Musik überhaupt erst entsteht.

Das ist ein fundamentaler Unterschied. Wenn ein Nutzer anschließend auf „Play“ drückt, hört er möglicherweise etwas, das innerhalb desselben Systems generiert, gespeichert und ausgeliefert wurde.

Aus einer Frage nach KI-Training wird damit zusätzlich eine Plattformfrage. Ein Anbieter generativer Musik könnte künftig nicht nur erklären müssen, wie sein Modell trainiert wurde. Er könnte möglicherweise zusätzlich nachweisen müssen, wie er mit Outputs umgeht, die bestehenden Werken zu stark ähneln.

Genau dort könnten Filter, Erkennungssysteme und Rechteverwaltung eine wesentlich größere Bedeutung bekommen.

🟨 WIE VIEL ÄHNLICHKEIT IST ZU VIEL?

Damit betreten wir kompliziertes Terrain. Musik besteht aus wiederkehrenden Strukturen. Akkordfolgen, Rhythmen, Instrumentierungen, Songformen und stilistische Merkmale können sich ähneln, ohne dass automatisch eine Rechtsverletzung vorliegt.

Deshalb bedeutet ein ähnlicher Suno-Output nicht automatisch, dass Copyright verletzt wurde. SOCAN behauptet allerdings, die ausgewählten Beispiele gingen deutlich weiter und reproduzierten geschützte Werke teilweise weitgehend oder vollständig.

Genau das wird juristisch entscheidend werden. Das Gericht wird nicht einfach darüber urteilen können, ob etwas „ähnlich klingt“. Es wird geklärt werden müssen, welche geschützten Elemente übernommen worden sein sollen und wie wesentlich diese Elemente für das jeweilige Werk sind.

Für generative Musiksysteme könnte daraus langfristig ein Belastungstest entstehen. Wie zuverlässig kann ein Modell verhindern, dass es bestehende Werke zu genau reproduziert? Und wie zuverlässig kann eine Plattform solche Outputs erkennen, bevor sie öffentlich verfügbar werden?

🟨 SOCAN WILL KI NICHT VERBIETEN

Ein Detail macht diese Geschichte besonders interessant. SOCAN positioniert sich nicht grundsätzlich gegen generative KI.

Im Juli 2026 kündigte die Organisation eine Zusammenarbeit mit dem Technologieunternehmen Musical AI an. Dabei geht es darum, Systeme für Zustimmung, Zuordnung und mögliche Vergütung zu untersuchen.

Die Grundidee ist klar: Künstler und Rechteinhaber sollen entscheiden können, ob ihre Werke für KI verwendet werden dürfen. Wenn ein Werk anschließend einen KI-Output beeinflusst, soll dieser Einfluss möglichst nachvollziehbar werden.

Musical AI arbeitet dafür an Attributionstechnologien, die sowohl Einflüsse von Tonaufnahmen als auch von Kompositionen analysieren sollen. SOCAN untersucht gemeinsam mit dem Unternehmen, ob solche Systeme künftig eine Grundlage für Lizenzierung und Vergütung bilden können.

Das macht die aktuelle Klage wesentlich interessanter als ein einfaches „Musikbranche gegen KI“. SOCAN sagt nicht, dass generative Musik verschwinden soll. Die Organisation vertritt vielmehr die Position, dass Zustimmung, Transparenz und Bezahlung funktionieren müssen, wenn bestehende Musik verwendet wird.

🟨 DIE 150 OUTPUTS KÖNNTEN NUR DER ANFANG SEIN

Die Klage konzentriert sich zunächst auf eine Auswahl von 150 Suno-Outputs. SOCAN geht allerdings davon aus, dass im Verlauf des Verfahrens weitere Fälle bekannt werden könnten.

Das könnte besonders relevant werden, sobald technische Informationen über Sunos Systeme und Prozesse Gegenstand des Verfahrens werden. Denn dann geht es möglicherweise nicht mehr nur um einzelne auffällige Songs.

Die größere Frage wäre, ob es sich um seltene Ausreißer handelt oder ob das System strukturell Outputs erzeugen kann, die bestehenden Kompositionen zu nahekommen.

Diese Unterscheidung ist enorm wichtig. Ein generatives Modell, das unter Millionen Outputs gelegentlich unbeabsichtigt eine problematische Ähnlichkeit erzeugt, stellt rechtlich und technisch eine andere Situation dar als ein System, bei dem sich bestimmte geschützte Werke gezielt oder wiederholt rekonstruieren lassen.

Was bei Suno tatsächlich der Fall ist, steht bislang nicht fest.

🟨 PLÖTZLICH WIRD ATTRIBUTION ZUR SCHLÜSSELTECHNOLOGIE

Genau hier schließt sich der Kreis zur Zusammenarbeit zwischen SOCAN und Musical AI. Bisher wird bei KI-Musik häufig über Kennzeichnung gesprochen. Also darüber, ob ein fertiger Track mit einem Hinweis wie „Made With AI“ versehen werden sollte.

Das beantwortet aber nur eine einzige Frage: Wurde KI verwendet? Es beantwortet nicht, welche menschlichen Werke dabei möglicherweise eine Rolle gespielt haben.

Eine Attributionstechnologie versucht genau diese Lücke zu schließen. Sie soll nicht nur erkennen, dass ein Output künstlich erzeugt wurde, sondern nachvollziehbar machen, ob und in welchem Umfang bestimmte bestehende Werke daran beteiligt waren.

Sollte so etwas technisch zuverlässig funktionieren, könnte sich daraus langfristig ein völlig anderes Modell für KI-Musik entwickeln. Ein Output könnte dann theoretisch nicht nur als KI-Musik gekennzeichnet werden. Es könnte zusätzlich ermittelt werden, welche Rechteinhaber beteiligt sind und welche Vergütung daraus entstehen müsste.

Davon ist die Branche allerdings noch weit entfernt. SOCAN beschreibt die Zusammenarbeit mit Musical AI als Erprobung. Genauigkeit, Skalierbarkeit und praktische Abrechnung müssen sich erst beweisen.

🟨 SUNO STEHT INZWISCHEN AN MEHREREN FRONTEN

Die SOCAN-Klage kommt zu einem Zeitpunkt, an dem sich die juristischen Fragen rund um Suno auffällig auffächern. Universal Music Group und Sony streiten mit dem Unternehmen unter anderem über Trainingsdaten und die behauptete Beschaffung von Musik über Stream-Ripping.

Gerencia 360 greift Suno und Bright Data wegen der mutmaßlichen Verwendung spanischsprachiger und regional mexikanischer Musik an. Jason Isbell, David Lowery, Guy Forsyth und Eduardo Calle führen wiederum eine völlig andere Diskussion über Namen, Stimme, Identität und Persönlichkeitsrechte.

Und SOCAN konzentriert sich jetzt auf generierte Outputs und deren öffentliche Wiedergabe.

Das sind nicht einfach mehrere Varianten derselben Klage. Sie greifen unterschiedliche Stufen eines generativen Musiksystems an. Wo kommen Trainingsdaten her? Welche persönlichen Merkmale darf ein Modell abbilden? Was darf das Modell erzeugen? Und was darf die Plattform anschließend mit diesen Ergebnissen machen?

Damit beginnt sich rund um generative Musik ein rechtliches Gesamtbild zu formen, das weit über die einfache Frage hinausgeht, ob KI-Training erlaubt ist.

🟨 DER EIGENTLICHE TEST KOMMT NACH DER GENERIERUNG

Vielleicht liegt genau hier die wichtigste Entwicklung. Bislang wurde generative Musik hauptsächlich vom Eingang her betrachtet: Welche Daten gingen in das Modell hinein?

SOCAN schaut stärker auf den Ausgang. Was kommt heraus und was passiert anschließend damit?

Das klingt zunächst banal, könnte für KI-Anbieter aber enorme Konsequenzen haben. Denn selbst ein vollständig lizenzierter Trainingsdatensatz würde nicht automatisch jedes Problem lösen. Ein Modell könnte theoretisch mit erlaubtem Material trainiert worden sein und trotzdem einen Output erzeugen, der ein geschütztes Werk unzulässig reproduziert.

Umgekehrt würde auch ein perfekter Outputfilter nicht automatisch beantworten, ob die Trainingsdaten legal beschafft wurden. Die beiden Ebenen sind getrennt.

Genau deshalb werden die kommenden Verfahren wahrscheinlich immer komplexer. Die Frage nach der Herkunft der Trainingsdaten verschwindet nicht, aber sie bekommt Gesellschaft von einer zweiten Frage: Was darf eine generative Musikplattform mit dem Ergebnis ihrer eigenen Technologie anschließend tun?