Generative KI verändert den Markt für professionelle Fotografie und wirft Fragen nach Urheberrecht, Vergütung und der wirtschaftlichen Zukunft kreativer Berufe auf. Während Bildgeneratoren zunehmend Aufgaben übernehmen, für die bislang Fotografen beauftragt wurden, bleibt umstritten, unter welchen Bedingungen ihre Werke zum Training solcher Systeme genutzt werden dürfen. Für die Fotografin und Synthografin Mareen Fischinger ist die anhaltende Rechtsunsicherheit nicht länger hinnehmbar. In ihrem pointierten Gastbeitrag schildert sie die Folgen dieser Entwicklung aus Sicht der Kreativen und fordert verbindliche Regeln für den Umgang mit urheberrechtlich geschützten Werken.
Der Maßstab
Man kann einer Maschine heute sagen: „Generier mir doch bitte ein Bild im Stil von Rankin oder eins im Stil von Annie Leibovitz“ und sie liefert, was bestellt wurde.
Berühmte Handschriften lassen sich abrufen, doch bei den meisten von uns ist das etwas anders: Unsere Fotografien leben nicht von einer auffälligen Besonderheit, an der man sie sofort erkennt. Sie leben von der gestalterischen Präzision, die man in deutschen Magazinen und Kampagnen als professionell anerkennt. Unsere Bildsprache ist kein Zufall, sondern Fotografinnen wie ich haben sie über Jahrzehnte Bild für Bild geprägt.
Wir sind selbst erschrocken darüber, wie Bildgeneratoren diesem Niveau immer näher kommen. Die Maschine hat gelernt, wie professionelle Werbefotografie aussieht. Diesen Maßstab haben wir gesetzt.
Im letzten Essay habe ich gefragt, wo Autorenschaft beginnt. Meine Antwort war: dort, wo jemand anwesend war und etwas anderes möglich gewesen wäre. Wo Entscheidungen getroffen worden sind.
Die Maschine war jedoch nie anwesend und hat einfach nur von uns abgeguckt.
Im August 2026 habe ich sauber getrennt: Schutzfähigkeit auf der einen Seite, Rechtmäßigkeit auf der anderen. Das halte ich weiter für richtig; nur hilft sauberes Sortieren niemandem, der nächstes Jahr keine Aufträge mehr hat.
Der Schwebezustand, in dem wir Kreative uns seit Monaten befinden, ist für viele von uns unerträglich. Es ist mehr als ein Plagiat. Es ist, als hätte uns jemand mit einem Rundumschlag die geschäftliche Basis genommen.
Zwei Lager und ein blinder Fleck
Auf der einen Seite stehen die neuen Nutzer mit dem Lächeln im Gesicht. Sie bewegen sich durch generative Werkzeuge wie jemand, der über Nacht eine neue Sprache spricht: fließend, begeistert, ohne zu fragen, woher die Vokabeln stammen – alles klingt toll, sieht super aus. Unsere Bilder sind diese Vokabeln.
In den Nachrichten läuft derweil die Apokalypse-Debatte. Superintelligenz, Kontrollverlust, das Ende der Menschheit. Große Fragen, viele Interviews mit CEOs und amerikanischen Politikern. Ein Ablenkungsmanöver?
Der Datenjournalist Lalon Sander hat sinngemäß geschrieben: Wer warnt, seine Software könne die Menschheit auslöschen, gibt damit zu, sie so gebaut zu haben.¹ Ich finde es sogar noch krasser: Die Apokalypse wirkt wie Werbung. Je gefährlicher ein Produkt klingt, desto mächtiger erscheint es. Und je lauter nun über das Ende der Welt gestritten wird, desto leiser wird die dann doch aufkommende Frage, womit diese Maschinen denn eigentlich gefüttert wurden.
Nebenbei werden Kreative der ganzen Branche aus ihren Positionen gedrängt: Leise, Auftrag für Auftrag bzw. Absage für Absage, KI-Training für KI-Training.
Wohin denn?
Der Internationale Währungsfonds schätzte schon Anfang 2024, dass in Industriestaaten rund 60 Prozent der Arbeitsplätze KI „ausgesetzt“ sind. Etwa die Hälfte davon könnte profitieren, der anderen drohen sinkende Löhne bis hin zum Wegfall der Stellen.²
Wo Arbeit am Bildschirm entsteht und sich in Daten übersetzen lässt, wird sie gerade billig gemacht.
Und was machen wir dann? Pakete ausfahren, Regale einräumen, Pflege, Handwerk, Geräte im Fitnessstudio warten? Eine 48-jährige Architektin wird nicht über Nacht zur Elektrikerin. Drängen alle gleichzeitig in dieselben Berufe, fallen dort die Löhne. In der Logistik wird ohnehin längst automatisiert.
Was nicht betrachtet wird: Niemand, der seinen Beruf liebt, tauscht ihn einfach aus. Eine Übersetzerin, die zwanzig Jahre in Sprachen gedacht hat, sehe ich morgen nicht erfüllt an Robotern schrauben.
Sam Altman verspricht zum Start seines neuen Modells einen Boom an Kreativität, in dem Menschen neue Wege finden, einander nützlich zu sein.³ Kreativ sind wir längst. Nützlich auch. Das nennt sich doch Beruf?
Und wohin führen die neuen Wege? Ein Modell, das ständig weiterlernt, greift wie der Kraken nach allem, was Menschen sich neu beibringen. Jede neue Nische erzeugt Daten, und Daten können im Training landen. Wer heute einen neuen Weg findet, zeigt ihn morgen der Maschine.
Wie das aussieht, lässt sich schon besichtigen: Auf der Plattform RentAHuman buchen KI-Agenten seit Februar 2026 Menschen für Aufgaben in der physischen Welt: Botengänge, Termine, Essen probieren, auch Fotos machen. Eine Woche nach dem Start hatten sich über 160.000 Menschen angemeldet. Aufträge vergaben 81 Agenten.⁴
Nützlich wären wir also, aber gefragt sind wir dann doch nicht so.
Wer uns neue Wege empfiehlt, verlangt keine Flexibilität. Er verlangt, dass wir uns immer wieder selbst verraten.
Ich lasse mir auch von einer Maschine helfen, bei Aufgaben außerhalb meines Kerns aus Kreativität und Entscheidung, für die ich sonst niemanden beauftragt hätte. Meine synthografische Arbeit baut auf meinen eigenen Fotografien auf und führt sie weiter, aber ich ersetze damit niemanden.
Wenn Agenturen Fotografinnen und Texter durch ein Abo ersetzen oder Kunden gleich die ganze Agentur streichen, ist das jedoch etwas anderes. Da fallen keine nervigen Arbeitsschritte weg, sondern der Kreativbranche bricht der Markt weg. Im fotografischen Berufsverband BFF berichten Mitglieder, dass die Budgets in den letzten Jahren massiv geschrumpft sind. Preislich konkurrieren wir inzwischen mit Tokens.
Wer kauft dann noch?
Die Rechnung der Arbeitserleichterung geht nicht auf. Wer seinen Job verliert, verliert Kaufkraft: keine Reisen mehr, das Restaurant wird nicht besucht, man erwirbt weniger von den Produkten, für die bis gestern Werbung fotografiert wurde. Jedes Unternehmen, das Personal durch Modelle ersetzt, streicht Budget und rechnet mit mehr Gewinn. Alle zusammen sägen am eigenen Ast.
Dazu kommt, was Arbeitslosigkeit mit Menschen macht. Karsten Paul und Klaus Moser haben 324 Studien ausgewertet: Unter Arbeitslosen haben 34 Prozent psychische Probleme, unter Erwerbstätigen 16 Prozent. Die Längsschnittdaten sprechen dafür, dass Arbeitslosigkeit diese Belastung verursacht. Sie wirkt stärker, wo die soziale Absicherung schwach ist.⁵
Jetzt stelle man sich das für ganze Berufsgruppen gleichzeitig vor, die mit einem Mal überflüssig werden. Hat jemand einen Plan für dieses Problem?
Eine Gesellschaft sollte diese Frage beantworten, bevor sie die Arbeit ganzer Berufsgruppen in Rechenleistung umwandelt.
Wie unsere Bilder hineinkamen
Am Anfang wussten wir Fotografinnen und Fotografen nicht, womit trainiert wird. Inzwischen ahnen wir es immer genauer.
Der bekannteste Datensatz heißt LAION-5B und umfasst 5,85 Milliarden Paare aus Bild und Beschreibung.⁶ Genau genommen enthält er keine Bilder, sondern Adressen: Links auf Fotos im Netz, dazu der Alt-Text, den irgendwer einmal für Suchmaschinen und Screenreader hinterlegt hat, oft wir Ersteller selbst. Wer ein Modell trainierte, lud die Bilder von überall im Internet über diese Links herunter.
Dabei wurde kein Fotograf vorher informiert; genommen wurde, was im Internet sichtbar zu finden war. Und sichtbar sein müssen wir. Wer uns rät, unsere Arbeit nicht mehr online zu zeigen, empfiehlt einem attraktiven Laden in der Innenstadt, sein Schaufenster mit schweren Vorhängen zu verhängen, um sich zu schützen. Geschützt ist er dann, aber Kundschaft hat er keine mehr.
Bis heute ist nicht abschließend geklärt, wie ein Nutzungsvorbehalt aussehen muss, damit er als maschinenlesbar im Sinne von § 44b UrhG gilt. Wir hätten also gar nicht wirksam widersprechen können. Wer uns vorhält, wir hätten eben widersprechen sollen, verlangt einen Schutz, den es nie verlässlich gab. Man kann sich nicht vor einem unsichtbaren Angreifer schützen.
LAION beruft sich darauf, den Datensatz unter einer Forschungsausnahme zusammengetragen zu haben. Rechenleistung dafür stellte unter anderem Stability AI kostenlos zur Verfügung. Mit dem Datensatz trainierte ein Münchner Forschungsteam, ebenfalls mit Rechenleistung von Stability AI, dann einen Bildgenerator, den Stability als Erstes nutzen durfte.⁷ Der Datensatz wurde danach zum Training kommerzieller Modelle genutzt, die heute mit uns konkurrieren. Ob das Zusammentragen rechtlich zulässig war, entscheidet gerade der Bundesgerichtshof; die Hamburger Gerichte haben es bisher bejaht.⁸
Ich brauchte niemanden, der forschungsmäßig gegencheckt, ob ich meine Bildbeschreibungen korrekt gemacht habe und diese Ergebnisse dann zum nicht-kommerziellen, aber auch kommerziellen Gebrauch zusammenstellt. Moralisch ist die Sache für mich daher entschieden.
Bei Büchern sieht man den Vorgang deutlich: Anthropic hat Millionen gedruckter Bücher gekauft, die Bindungen zur besseren Verarbeitung abgeschnitten und die Seiten eingescannt. Ein US-Gericht hielt das Digitalisieren für zulässig, weil die Bücher bezahlt waren. Für Millionen Raubkopien, die das Unternehmen außerdem genutzt hat, hat es sich dann doch auf 1,5 Milliarden Dollar verglichen.⁹
Die Bilder, aus denen Bildgeneratoren gelernt haben, hat bisher keiner bezahlt.
„Gelernt“ ist dabei wörtlich gemeint: Wenn ein System weiß, wie ein Mensch oder eine Bildsprache aussieht, hat es das vorher in sich aufgenommen, aus immer mehr Material in immer besserer Qualität. Für Bilder hat das in Deutschland noch kein Gericht entschieden, für Musik schon: Das Landgericht München hat im Juli im Verfahren der GEMA gegen den Musikgenerator Suno argumentiert, wer ein Lied auf Zuruf erkennbar wiedergibt, habe es gespeichert. Rechtskräftig ist das Urteil noch nicht.¹⁰ Ein Londoner Gericht sah das bei Bildern 2025 anders. Geklärt ist die Frage also nicht.
Einsehen können wir nur diesen einen alten Bild-Text-Datensatz, weil er öffentlich ist. Womit neuere Modelle trainiert werden, legen die meisten Anbieter gar nicht erst offen. Der AI Act verlangt seit August 2025 eine Zusammenfassung der Trainingsdaten.¹¹ Verlangt werden die wichtigsten Domains, nicht die einzelnen Werke. Eine Zusammenfassung ist keine Liste und deswegen werden wir unsere Bilder darin auch nicht wiederfinden.
Wer bezahlt
Wer heute mit unseren Werken arbeitet, zahlt nur für Tokens im Rechenzentrum. Ich stelle sie mir wie Wertmarken vor, die ausschließlich zwischen Modellanbieter und Nutzer gehandelt werden. Bei uns kommt davon nichts an. So günstig werden konnten die Modelle nur, weil ihr Rohstoff nichts gekostet hat und Investoren die Rechenzentren finanzieren.
Der Konzern Meta erklärte, es sei unmöglich, alle Daten zu lizenzieren, die solche Modelle brauchen.⁷ Übersetzt heißt das: Wir brauchen mehr, als wir bezahlen wollen. Allein der Datensatz LAION-5B umfasst 5,85 Milliarden Bild-Text-Paare. Jedes davon zu vergüten, klingt tatsächlich unmöglich. Nur wurde Stable Diffusion am Ende mit 600 Millionen ausgewählten Bildern feingeschliffen, aussortiert nach Auflösung und Ästhetik.12Das ist nicht die Masse des Internets. Genau dort findet man professionelle Fotografie.
Dass Bezahlen geht, zeigt der Bücher-Vergleich über 1,5 Milliarden Dollar. Pro Buch bleiben nach Abzügen gut 3.000 Dollar, die sich Autorin und Verlag meist teilen. Für Masse kennt das deutsche Urheberrecht seit Jahrzehnten eine Lösung: pauschale Vergütungen über Verwertungsgesellschaften, wie bei der Abgabe auf Kopierer und Speichermedien.
Zu viele Bilder, um sie zu bezahlen, heißt vor allem: zu viele, um sie ungefragt zu nehmen.
Fotografenkollege Robert Kneschke wusste auf die Frage, welche Summe ihn zufriedenstellen würde, keine Antwort. Mir geht es genauso. Was kostet ein Beruf? Kein Betrag der Welt wiegt auf, dass man mit der eigenen Arbeit die Maschine trainiert hat, die einen ersetzt. Bezahlung ist das Mindeste, aber kein Ausgleich.
Und wir zahlen doppelt. Dieselbe Industrie, die mit unseren Bildern trainiert, verteuert uns die Werkzeuge, mit denen wir sie machen: Rechenzentren verbrauchen schätzungsweise 60 Prozent des weltweit produzierten Flash-Speichers, aus dem jede Speicherkarte besteht. Allein im ersten Quartal 2026 stiegen die Preise dafür um rund 60 Prozent. Festplatten fürs Archiv ziehen nach.¹³
Erst wurde das Internet leergesaugt, jetzt machen einige unserer eigenen Kunden weiter. Sie ziehen eigens für sie hergestellte Bilder in voller Auflösung in ein KI-Werkzeug, um schnell eine Variante zu bauen, oft ohne zu fragen. Dass sie damit unter Umständen ein Modell mittrainieren, wissen die wenigsten. Dabei untersagt etwa Adobe ausdrücklich, Referenzbilder mit urheberrechtlich geschützten Inhalten Dritter hochzuladen.¹⁴ Gelesen hat das kaum jemand. In Kundengesprächen komme ich mir inzwischen vor wie in „Und täglich grüßt das Murmeltier“: Jede Woche fängt das Urheberrecht in einer Marketingabteilung der Republik wieder bei null an.
Böse Absicht ist es selten. Unterlassen oder vergütet werden muss es trotzdem.
Manche gehen einen Schritt weiter. In Verträgen, die mir und Kolleginnen zur Unterzeichnung vorgelegt werden, tauchen inzwischen Klauseln auf, die nebenbei das Recht zum KI-Training einräumen sollen. Im Kleingedruckten, ohne eigenen Preis. Und wenn es da nicht steht, wird es teils sogar nachträglich hineininterpretiert und es kommt zu Streit, den eigentlich niemand wollte. Wer als Bilderstellerin unterschreibt, verkauft nicht nur die eigenen Bilder, sondern den Rohstoff für alle künftigen.
Jeder Upload erzeugt eine Kopie auf einem fremden Server, und wer mit unseren Bildern ein Modell füttert, „nutzt“ sie nochmal auf eine ganz andere Art. Viele alte Verträge enthalten eine Klausel für „noch unbekannte Nutzungsarten“. Gedacht war dabei an neue Medien und neue Kanäle. Zum Vergleich: Wer ein Brot kauft, darf es auf jedem Teller servieren, auch auf einem, den es heute noch nicht gibt. Oder auf einem Brett. Aber einen Sauerteig daraus ziehen, der fortan ohne Bäcker weiterbäckt, soll er nicht.
Und selbst wo ein Vertrag eine möglicherweise unbekannte Nutzungsart einräumt, sieht das Urheberrechtsgesetz dafür eine gesonderte Vergütung vor.¹5
Als ich meinen Namen in den LAION-Datensatz eingegeben habe, saß ich scrollend da und habe zugesehen, wie über zwanzig Jahre meiner Arbeit als schier endloser Stream von Thumbnails über mein Display flimmerten. Shootings, an die ich mich bis ins Detail erinnere. Menschen, die mir vor der Kamera vertraut haben. Licht und Farben, die ich gesucht und gestaltet habe. Bild für Bild, klein wie Briefmarken.
Es fühlte sich an wie ein Einbruch in mein Privatleben und in meine Karriere, von dem ich erst später erfahre.
Garbage in, garbage out
Generative Modelle leben von menschlich erstelltem Material. Entsteht davon immer weniger, trainieren sie zunehmend auf dem, was andere Modelle erzeugt haben. Ein Forschungsteam um Ilia Shumailov hat 2024 in Nature beschrieben, was dann passiert: Model Collapse. Das Seltene verschwindet zuerst; am Ende bleibt Einheitsbrei.¹6
Ich denke, niemand will dauerhaft Slop konsumieren. Kreativität muss gelebt werden, von Menschen, die davon leben können. Sonst geht dem System genau das aus, wovon es sich ernährt.
Warten ist keine Position
Der Schwebezustand nützt nun genau einer Seite. Jeder Monat ohne Klarheit ist ein Monat, in dem weiter trainiert und verkauft wird, während wir auf Urteile warten. Das tut mir in der Seele weh, zu sehen, wie uns die Felle davonschwimmen.
Wer unsere Arbeit als Rohstoff nutzt, muss uns dafür mindestens bezahlen. Für das, was schon genommen wurde, und für alles, was noch dazukommt – oder nie wieder als Aufträge an uns gehen wird.
Wer in Europa seine Modelle anbietet, muss sich an europäisches Recht halten, egal wo er trainiert hat. Schlupflöcher, über die wir nur den Kopf schütteln können, darf es dabei nicht geben.
Es ist nicht zu spät dafür, die Ausgabe von unautorisiert erlernter Bildsprache in Europa zu untersagen!
Regeln nützten am Ende nur den Großen, warnt LAION-Gründer Christoph Schuhmann.⁷ Ohne Regeln gewinnt allerdings, wer am meisten ungefragt einsammeln kann. Das sind die Großen.
Wie groß die Lücke ist, hat Getty Images in London erfahren: Die Klage gegen Stability AI scheiterte im November 2025 im Kern, weil das Training nicht in Großbritannien stattfand.¹7 Der AI Act schließt diese Lücke zumindest auf dem Papier. Wer in der EU anbietet, muss europäisches Urheberrecht respektieren, egal wo trainiert wurde.¹9 Durchgesetzt ist das noch nicht. Ich fordere, dass es durchgesetzt wird. Modelle, die mit ungefragt genommenem Material trainiert wurden, müssen nachlizenziert werden oder das Material wieder verlernen. Und wenn das technisch nicht geht, gehören sie neu trainiert.
Wie nötig das ist, zeigt eine Antwort von 2023. Als Robert Kneschke LAION bat, seine Bilder aus dem Datensatz zu entfernen, hieß es sinngemäß: Man speichere keine Bilder, also gebe es nichts zu löschen.7 Zum Trainieren sind die Bilder vorhanden. Zum Löschen sind sie es nicht.
Seit dem ersten Essay höre ich einen Satz besonders oft: „Wir Kreativen haben ja keine Lobby, wann macht endlich mal jemand was?“ Alle fragen sich das gegenseitig. Eine Antwort gibt es seit Januar 2023. Damals haben Sarah Andersen, Kelly McKernan und Karla Ortiz in Kalifornien gegen Stability AI und Midjourney geklagt, wegen genau dieses Datensatzes.¹9 Eine Lobby entsteht nicht, weil man auf sie wartet. Sie entsteht, wenn Einzelne anfangen.
Die neue Maschine kann, was wir können, weil wir da waren. Bei jedem Bild, an jedem Set. Sie selbst war nirgends.
Mareen Fischinger
Dieser Text ist ein persönlicher Essay. Er gibt die Auffassung der Autorin als Fotografin und Synthografin wieder und stellt keine beschlossene Position eines Verbandes dar.
Alle Fotos: Mareen Fischinger
Anmerkungen
- Lalon Sander: Kolumne „Starke Gefühle“, taz, 03.10.2026.
- Cazzaniga, M. et al.: Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Note SDN/2024/001, Januar 2024.
- Bloomberg Television, The Close: Interview Ed Ludlow mit Sam Altman, 03.09.2026, ca. Min. 32:36.
- Storyboard18: Robot bosses want you: AI agents are hiring humans now, 06.02.2026.
- Paul, K. I./Moser, K.: Unemployment impairs mental health: Meta-analyses. Journal of Vocational Behavior 74 (2009), 264–282.
- Schuhmann, C. et al.: LAION-5B: An open large-scale dataset for training next generation image-text models. NeurIPS 2022.
- Jürgens, J.: Rentner helfen Rechnern. DIE ZEIT Nr. 8, 15.02.2024, S. 23.
- LG Hamburg, 310 O 227/23, 27.09.2024; OLG Hamburg, 5 U 104/24, 10.12.2025; Revision beim BGH anhängig.
- Bartz et al. v. Anthropic, U.S. District Court N.D. California, Beschluss vom 23.06.2025; Vergleich über 1,5 Mrd. US-Dollar, September 2025.
- LG München I, Urteil vom 31.07.2026, Az. 42 O 763/25 (GEMA ./. Suno), nicht rechtskräftig.
- 53 Abs. 1 lit. d KI-Verordnung (EU) 2024/1689.
- Baio, A.: Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion’s Image Generator, waxy.org, 30.08.2022.
- TrendForce, NAND-Vertragspreise Q1/Q2 2026, zitiert nach PhotoWorkout.
- Adobe: Generative AI User Guidelines, Abschnitt 2, Stand 15.05.2026.
- § 31a, 32c UrhG.
- Shumailov, I. et al.: AI models collapse when trained on recursively generated data. Nature 631 (2024), 755–759.
- Getty Images (US) Inc. et al. v Stability AI Ltd [2025] EWHC 2863 (Ch), High Court of England and Wales, Urteil vom 04.11.2025; Berufung zugelassen am 16.12.2025.
- Erwägungsgrund 106 KI-Verordnung (EU) 2024/1689.
- Andersen et al. v. Stability AI Ltd. et al., U.S. District Court N.D. California, Klage vom Januar 2023, anhängig.
