Von der Meisterwerkstatt über Photoshop bis zum generativen Modell: Was Aneignung, Montage und maschinelles Training voneinander unterscheidet – und welche Regeln Kreative jetzt wirklich brauchen.
Von BROWNZ Art · Fachartikel · Rechts- und Quellenstand: 23. Juli 2026
Die KI hat den Bilderklau nicht erfunden. Sie hat Aneignung industrialisiert, die Herkunft der Vorlagen unsichtbar gemacht und aus einem einzelnen Grenzfall eine skalierbare Wertschöpfungskette gebaut. Genau deshalb reicht der Satz „Künstler haben doch immer voneinander gelernt“ heute nicht mehr aus.
Worum es hier wirklich geht
Ich arbeite seit Jahrzehnten mit Bildern. Deshalb halte ich nichts von zwei bequemen Erzählungen. Die erste lautet, KI habe den Bilderklau erfunden. Die zweite lautet, Künstler hätten schon immer voneinander gelernt und deshalb sei heute praktisch jede Übernahme erlaubt. Beides ist falsch. Kreative arbeiten mit Referenzen, Texturen, Stockmaterial, Presets, Filtern und Bildideen anderer. Entscheidend ist aber, woher dieses Material stammt, unter welchen Bedingungen es verwendet wird und wer daran verdient.
Trotzdem halte ich eine zentrale Gleichsetzung für falsch: Ein lizenziertes Stockfoto in einer dokumentierten Photoshop-Montage ist nicht dasselbe wie ein Modell, das mit Millionen oder Milliarden öffentlich zugänglicher Dateien trainiert wurde. Beides nutzt Vorhandenes. Aber Herkunft, Erlaubnis, Nachweisbarkeit, Geschwindigkeit, Marktwirkung und Machtverteilung sind grundverschieden.
Der entscheidende Satz lautet daher nicht: „Kopieren gab es immer.“ Der entscheidende Satz lautet: Was wurde übernommen, auf welcher Grundlage, wie deutlich bleibt die Quelle erkennbar, wer verdient daran – und wer kann sich überhaupt wehren?
1. Bilderklau vor dem Computer: Kopieren war Handwerk, Lehre und Geschäft
In den Werkstätten der alten Meister wurde kopiert. Schüler übernahmen Kompositionen, studierten Farbschichten, wiederholten Motive und lernten an vorhandenen Bildern. National-Gallery-Material zur Werkstattpraxis beschreibt das Kopieren ausdrücklich als Methode, mit der Schüler Aufbau und Maltechnik verstanden. Auch Canalettos Neffen kopierten Arbeiten ihres Onkels – und sollten daraus eine eigene künstlerische Persönlichkeit entwickeln.
Das war aber kein romantisches Paradies ohne Regeln. Werkstätten hatten Hierarchien, Auftraggeber, Märkte und Zuschreibungsprobleme. Kopie, Werkstattfassung, Replik und Fälschung waren nicht dasselbe. Entscheidend war schon damals, ob eine Übernahme offen als Studie oder Variante funktionierte – oder ob sie über Herkunft und Autorschaft täuschte.
Für mich liegt hier die erste brauchbare Linie: Lernen an fremden Bildern ist Teil jeder Kunstpraxis. Ein fremdes Werk als eigenes Original auszugeben, war nie dasselbe.
2. Collage und Fotomontage: Der Bilderklau wird sichtbar
Mit Collage und Fotomontage wurde die Übernahme selbst zum Material. Hannah Höch, John Heartfield und andere Dada-Künstler schnitten Fotografien und Druckbilder aus Zeitungen und Magazinen, montierten sie neu und machten daraus politische und gesellschaftliche Aussagen. Das Museum of Modern Art beschreibt diese Praxis als Schneiden, Remixen und Zusammenfügen bereits existierender Medienbilder.
Die Quelle verschwand dabei nicht vollständig. Man sah oft den Bruch, die Kante, den neuen Zusammenhang. Gerade diese Reibung erzeugte Bedeutung. Später machten Pop Art und Appropriation Art die Übernahme noch offensiver. Die Tate definiert Appropriation als Verwendung vorbestehender Objekte oder Bilder mit wenig Transformation.
Das klingt wie eine Freikarte, ist aber keine. Der Fall Andy Warhol Foundation gegen Lynn Goldsmith zeigt das sehr klar. Der US Supreme Court entschied 2023 nicht pauschal über „Warhol gegen Fotografie“, sondern über eine konkrete kommerzielle Lizenzierung des Orange-Prince-Bildes für ein Magazin. Diese Nutzung verfolgte einen ähnlichen Zweck wie Goldsmiths Foto-Lizenzen; beim geprüften Fair-Use-Faktor überwog deshalb Goldsmiths Position. Berühmtheit ersetzt keine Erlaubnis.
3. Photoshop: Die Montage wird schnell, sauber und unsichtbar
Photoshop 1.0 erschien am 19. Februar 1990. Mit Ebenen ab Photoshop 3.0 im Jahr 1994 wurde die digitale Montage zu dem System, das unsere Bildwelt bis heute prägt: Einzelteile konnten getrennt verschoben, maskiert, korrigiert und wieder zusammengesetzt werden. Was früher Schere, Klebstoff, Reprokamera und Retusche brauchte, wurde zur editierbaren Datei.
Damit explodierte auch der klassische digitale Bilderklau: fremde Hintergründe, ungeklärte Texturen, geklaute Rauchwolken, Stockbilder ohne passende Lizenz, Logos, Gesichter und ganze Composings. Viele von uns haben diese Grauzonen gesehen. Manche haben sie ignoriert.
Aber auch hier gilt: Photoshop selbst klaut nichts. Eine Montage kann vollständig aus eigenem, beauftragtem, lizenziertem oder gemeinfreiem Material bestehen. Presets und Filter sind außerdem keine heimlich übernommenen Fotografien, wenn sie rechtmäßig erworben und vertragsgemäß eingesetzt werden. Wer diese Dinge in einen Topf wirft, verwechselt Werkzeug, Quelle und Nutzungsrecht.
4. KI: dieselbe Bildkultur – aber eine andere Maschine
Generative KI steht in derselben langen Kultur des Zitierens, Lernens, Montierens und Umformens. In diesem Sinn ist sie kein Meteorit aus einer fremden Welt. Trotzdem verändert sie die Lage strukturell.
1. Maßstab: Ein Mensch kann hunderte oder tausende Bilder studieren. Ein Modell verarbeitet Datenbestände in einer Größenordnung, die individuelle Kontrolle praktisch ausschließt.
2. Unsichtbarkeit: In einer PSD-Datei lassen sich Quellbilder, Ebenen und Lizenzen dokumentieren. Bei einem generativen Modell ist der Einfluss einzelner Trainingswerke für Nutzer und oft auch für Rechteinhaber kaum nachvollziehbar.
3. Substitution: Das System lernt nicht nur aus kreativen Märkten. Es kann anschließend in genau diesen Märkten Bilder in Sekunden anbieten – als Entwurf, Stockersatz, Kampagnenmotiv oder Stilkopie.
4. Machtgefälle: Ein einzelner Photoshop-Nutzer und ein globaler Modellanbieter verfügen nicht über dieselbe Reichweite, Rechenleistung, Datenkenntnis oder juristische Durchsetzungskraft.
Deshalb reicht mir die Formel „nur Maßstab und Effizienz“ nicht. Wenn sich Maßstab, Transparenz und Marktfolgen gemeinsam verändern, verändert sich auch das Prinzip der Wertschöpfung.
5. Der Name im Prompt: rechtlich nicht automatisch verboten, kreativ trotzdem billig
Eine 2025 veröffentlichte Auswertung von 200 besonders häufig genannten Fotografinnen und Fotografen in Midjourney-Prompts basiert auf einer Analyse von Midlibrary und öffentlich sichtbaren Prompt-Begriffen im Midjourney-Discord. Sie zeigt, dass Nutzer Namen gezielt als Stilabkürzung einsetzen. Sie beweist nicht, welche konkreten Bilder im Training waren, und auch keine Rechtsverletzung in jedem einzelnen Output.
Diese Unterscheidung ist wichtig. Ein allgemeiner Stil oder eine Technik ist im Urheberrecht normalerweise nicht als isoliertes Monopol geschützt. Geschützt ist die konkrete Ausdrucksform eines Werkes, auch in schutzfähigen Teilen. Sobald ein Ergebnis erkennbare Kompositionen, Figuren, Motive oder andere individuelle Gestaltungselemente übernimmt, kann die Beurteilung anders ausfallen. Zusätzlich können Persönlichkeits-, Marken- und Lauterkeitsrechte relevant werden.
Mein persönlicher Maßstab ist strenger als das gesetzliche Minimum: Ich verwende die Namen lebender Künstler nicht als Stilknopf. Wenn ich eine Bildsprache analysiere, übersetze ich sie in Licht, Brennweite, Farbdramaturgie, Material, Komposition und Erzählhaltung. Das zwingt mich zu einer eigenen Entscheidung, statt nur einen Namen einzugeben.
6. Was Foren zeigen – und was sie nicht beweisen
In Künstler- und Fotoforen wiederholen sich seit Jahren dieselben drei Konflikte: fehlende Zustimmung zum Training, die gezielte Imitation lebender Künstler und die Forderung nach klarer Kennzeichnung. Gleichzeitig gibt es Kreative, die KI als neues Medium akzeptieren – vorausgesetzt, Datenbasis und Einsatz sind nachvollziehbar.
Diese Diskussionen sind keine Rechtsquellen. Sie sind aber ein brauchbares Stimmungsbild. Interessant ist, dass selbst viele technikoffene Stimmen nicht „alles frei“ fordern, sondern lizenzierte oder gemeinfreie Trainingsdaten, Offenlegung und eine erkennbare menschliche Bearbeitung. Der eigentliche Graben verläuft deshalb weniger zwischen analog und digital als zwischen transparenter und intransparenter Nutzung.
7. Die Rechtslage in Österreich und der EU: vier Punkte, die man nicht vermischen darf
Schutz entsteht durch menschliche Schöpfung
Das österreichische Urheberrechtsgesetz schützt „eigentümliche geistige Schöpfungen“. Urheber ist, wer das Werk geschaffen hat. Bei KI-gestützten Arbeiten kommt es daher darauf an, welche eigenen, nachvollziehbaren kreativen Entscheidungen der Mensch im Ergebnis verkörpert hat. Ein bloß automatisch erzeugtes Ergebnis macht die Software nicht zum Urheber.
Remix ist keine pauschale Ausnahme
Zitat, Karikatur, Parodie und Pastiche können Nutzungen erlauben, aber nur unter den jeweiligen gesetzlichen Voraussetzungen. Österreichs Pastiche-Regel in § 42f Abs. 2 UrhG ist zudem an Nutzungen auf großen Online-Plattformen gekoppelt. Daraus folgt keine allgemeine Erlaubnis, jedes fremde Bild beliebig zu remixen und kommerziell zu veröffentlichen.
Text- und Data-Mining ist an Bedingungen geknüpft
Artikel 4 der EU-Richtlinie 2019/790 und § 42h UrhG erlauben Text- und Data-Mining unter bestimmten Voraussetzungen. Dazu gehören rechtmäßiger Zugang und – bei der allgemeinen Ausnahme – das Fehlen eines wirksamen Nutzungsvorbehalts. Für online veröffentlichte Inhalte soll dieser Vorbehalt maschinenlesbar erfolgen. Bildrecht hat für das von ihr vertretene Repertoire einen solchen Vorbehalt erklärt.
Der AI Act schafft Transparenzpflichten, aber keine Generalerlaubnis
Für Anbieter von General-Purpose-AI-Modellen gelten seit 2. August 2025 unter anderem Pflichten zu Copyright-Compliance und Transparenz; die EU verlangt außerdem öffentliche Zusammenfassungen der Trainingsinhalte. Die Transparenzregeln für bestimmte KI-generierte oder manipulierte Inhalte treten am 2. August 2026 in Anwendung. Der AI Act entscheidet aber nicht pauschal, ob jedes Training urheberrechtlich erlaubt ist, und er löst auch die Vergütungsfrage nicht automatisch.
8. Warum technische Nachweise allein keine gerechte Abrechnung schaffen
Die Idee klingt verführerisch: Man analysiert ein KI-Bild, berechnet Ähnlichkeiten zu vorhandenen Werken und verteilt danach automatisch Anerkennung oder Geld. Für eine grobe Suche nach auffälligen Übereinstimmungen kann das nützlich sein. Als Beweis für einen exakt bezifferbaren kreativen Anteil reicht es nicht.
Ähnlichkeit ist nicht dasselbe wie Herkunft, Kausalität oder Rechtslage. Ein System kann feststellen, dass sich zwei Bilder visuell stark ähneln. Daraus folgt noch nicht, dass ein bestimmtes Werk nachweisbar im Training enthalten war, welchen Einfluss es auf das Ergebnis hatte oder ob eine zulässige Nutzung, eine Lizenz oder eine Rechtsverletzung vorliegt. Generatives Training ist kein sauberer Stammbaum, bei dem jedes Pixel zu einem einzelnen Vorfahren zurückführt.
Auch eine Blockchain löst dieses Problem nicht automatisch. Sie kann eine Angabe dauerhaft speichern, aber nicht prüfen, ob die Angabe ursprünglich richtig war. Eine faire Lösung braucht deshalb mehrere Ebenen: nachvollziehbare Datenquellen, unabhängige Audits, wirksame Nutzungsvorbehalte, kollektive Lizenzmodelle und klare Beschwerdewege. Technik kann diese Struktur unterstützen. Sie darf aber nicht so tun, als könne ein Prozentwert die gesamte künstlerische und rechtliche Verantwortung ausrechnen.
9. Was stattdessen praktisch funktioniert
- Lizenzierte, eigene und gemeinfreie Datensätze als klar ausgewiesene Modellgrundlage.
- Maschinenlesbare Nutzungsvorbehalte, die Anbieter tatsächlich respektieren.
- Öffentliche, verständliche Zusammenfassungen der Trainingsquellen und Datenkategorien.
- Prüfbare Beschwerde-, Auskunfts- und Entfernungsmöglichkeiten für Rechteinhaber.
- Kollektive Lizenzmodelle dort, wo individuelle Verhandlungen realistisch nicht skalieren.
- Provenienzstandards wie C2PA/Content Credentials für Entstehung und Bearbeitung fertiger Dateien.
C2PA ist dabei kein Wahrheitsautomat und kein Ersatz für Lizenzierung. Der Standard kann signierte Herkunfts- und Bearbeitungsinformationen an eine Datei binden. Das hilft bei Nachvollziehbarkeit. Es beweist aber weder die Wahrheit eines Bildinhalts noch die Rechtmäßigkeit sämtlicher Trainingsdaten. Genau diese Nüchternheit brauchen wir.
10. Mein Arbeitsstandard für Bilder mit KI-Anteil
- Ich lade nur Referenzmaterial hoch, an dem ich die nötigen Rechte habe.
- Ich dokumentiere Ausgangsbilder, Lizenzen, Prompts, Varianten und wesentliche Bearbeitungsschritte.
- Ich beschreibe Bildsprachen fachlich, statt lebende Künstler als Stilabkürzung zu benutzen.
- Ich prüfe Outputs auf erkennbare Logos, Figuren, Kompositionen und andere geschützte Elemente.
- Ich veröffentliche keine fragwürdige Übernahme nur deshalb, weil ein Generator sie technisch ausgeben konnte.
- Ich kennzeichne synthetische oder wesentlich KI-bearbeitete Inhalte dort, wo Kontext und Rechtslage es verlangen.
- Ich behandle KI als Werkzeug innerhalb einer menschlich verantworteten Arbeit – nicht als Haftungsausrede.
Fazit: Nicht alles, was zitiert, ist Diebstahl. Nicht alles, was generierbar ist, ist fair.
Kunst war nie frei von Aneignung. Ohne Kopie, Variation, Zitat, Collage und Widerspruch gäbe es große Teile unserer Bildgeschichte nicht. Wer so tut, als hätte jeder Künstler immer nur aus sich selbst geschöpft, erzählt ein Märchen.
Das Gegenmärchen lautet, dass deshalb jedes digitale Bild automatisch Trainingsmaterial und jede Stilkopie automatisch Fortschritt sei. Auch das ist falsch.
Die KI zwingt uns nicht, Kreativität neu zu erfinden. Sie zwingt uns, Verantwortung endlich genauer zu definieren. Entscheidend ist nicht, ob ein Werkzeug „gelernt“ hat. Entscheidend ist, ob eine Wertschöpfungskette menschliche Arbeit respektiert, Quellen nachvollziehbar macht, Rechte ernst nimmt und denjenigen eine Stimme gibt, aus deren Werk sie entsteht.
Meine Position ist daher klar: Ich bin nicht gegen KI. Ich bin gegen die bequeme Behauptung, dass technische Möglichkeit bereits kreative und rechtliche Legitimität bedeutet.
Rechtlicher Hinweis
Dieser Artikel bietet eine fachliche und künstlerische Einordnung mit Schwerpunkt Österreich und EU. Er ersetzt keine individuelle Rechtsberatung. Bei konkreten Veröffentlichungen, Lizenzen oder Streitfällen sollte eine auf Urheberrecht spezialisierte Rechtsberatung einbezogen werden.
Transparenzhinweis
Dieser Fachartikel basiert auf meiner redaktionellen Konzeption, Quellenbewertung und Haltung als BROWNZ Art. Für Recherche, Strukturierung und sprachliche Ausarbeitung wurde KI unterstützend eingesetzt. Inhalt, Position und Schlussredaktion wurden menschlich geprüft.
Quellen und weiterführende Links
Die Links führen zu den für diesen Artikel geprüften Primärquellen, offiziellen Rechtsinformationen, Fachbeiträgen und beispielhaften Forendiskussionen.
1. MoMA: Engineer, Agitator, Constructor – Geschichte der Fotomontage
2. Tate: Appropriation – Begriffsdefinition
3. National Gallery: Canaletto und das Kopieren in der Werkstatt
4. National Gallery: The Painter’s Trade in the Seventeenth Century
5. Adobe: Photoshop 1.0, Ebenen und Entwicklungsgeschichte
6. Adobe: Photoshop erschien am 19. Februar 1990
7. US Supreme Court: Andy Warhol Foundation v. Goldsmith, 598 U.S. 508 (2023)
8. PetaPixel: Auswertung häufig genannter Fotografen in Midjourney-Prompts
9. RIS Österreich: § 1 UrhG – Werkbegriff
10. RIS Österreich: § 10 UrhG – Urheber
11. RIS Österreich: § 42f UrhG – Zitat, Karikatur, Parodie und Pastiche
12. RIS Österreich: § 42h UrhG – Text- und Data-Mining
13. EU-Richtlinie 2019/790: Artikel 3 und 4 zu Text- und Data-Mining
14. Bildrecht Österreich: Nutzungsvorbehalt für Text- und Data-Mining
15. Europäisches Parlament: Generative AI and Copyright, Studie 2025
16. Europäische Kommission: AI Act – Zeitplan, Transparenz und Copyright
17. Europäische Kommission: GPAI Code of Practice
18. C2PA: Content Credentials und digitale Provenienz
19. C2PA Explainer: Provenienz ist keine Wahrheitsbewertung
20. U.S. Copyright Office: AI-Bericht, Teil 2 – Copyrightability
21. U.S. Copyright Office: AI-Bericht, Teil 3 – Generative AI Training
