De individuele- en collectieve auteursrechtbelangen staan op gespannen voet met de ontwikkelingen op het gebied van AI. Daarover werd op 24 januari 2025 in De Bazel in Amsterdam van gedachten gewisseld in het kader van het mini-congres over Auteursrecht & Collectief Beheer van DeLex. Ik was erbij namens Backstage Legal een deel hierbij mijn take-aways.
Buma als Databedrijf
Buma speelt in deze ontwikkelingen een cruciale rol, niet alleen als auteursrechtenorganisatie maar ook als databedrijf. Het beheren en optimaliseren van muziekdata staat centraal in hun werkzaamheden. Een belangrijk vraagstuk is of en hoe rechthebbenden willen deelnemen aan licentiëring aan AI-bedrijven. Dit vraagt om een zorgvuldige afweging tussen innovatie en bescherming van rechten.
Hoewel AI een steeds grotere rol speelt, heeft Buma bewust besloten om Copilot niet in te schakelen. Wel wordt ChatGPT gebruikt, maar uitsluitend voor efficiëntieverbetering, opleidingen en workshops. Daarbij is het uitgangspunt dat gegenereerde content openbaar gedeeld wordt.
Machine Learning en datakwaliteit
Om muziek beter en sneller te herkennen, zet Buma machine learning in. Zo kunnen nummers die een tweede keer voorkomen efficiënter worden geïdentificeerd en gekoppeld aan de juiste rechthebbenden. Dit versnelt de verwerking en verbetert de koppeling tussen de database en geavanceerde rekenmodellen.
Daarnaast werkt Buma aan een overgang van ICE naar SALT, waarbij gestructureerde setlijsten en data gecombineerd worden met andere databronnen. Dit moet de datakwaliteit verbeteren en sluit beter aan op ontwikkelingen rondom large language models (LLM’s). Toch is er nog een sterk gebrek aan digitale volwassenheid in de sector. Datakwaliteit blijft een uitdaging, vooral omdat platforms zoals Spotify en YouTube inconsistente datasets hanteren.
Uitdagingen in Matching & Merging
Naast datakwaliteit spelen er nog andere problemen. Publishers en subpublishers zorgen soms voor onduidelijkheid in rechtenbeheer, terwijl onjuiste claims van andere collectieve beheersorganisaties (CBO’s) het proces verder compliceren. AI-detectie staat nog in de kinderschoenen, waardoor het moeilijk is om precies vast te stellen hoe en waar AI wordt gebruikt in muziekproductie en -distributie.
De visie op AI binnen BumaStemra
Joey van der Pasch van De Nederlandsche Bank benadrukt een belangrijke les: als een taak zonder AI kan, moet dat de voorkeur krijgen. AI is niet alleen technisch complex, maar ook moeilijk uit te leggen aan rechthebbenden en stakeholders. Dit betekent dat Buma continu de balans moet vinden tussen technologische innovatie en transparantie.
De toekomst van muzieklicenties wordt steeds complexer, maar ook interessanter. Met de juiste strategie en investeringen in data en technologie kan Buma een leidende rol spelen in deze transitie.
AI, incasso en auteursrecht: Wat staat de muziekwereld te wachten?
De muziekwereld bevindt zich op een cruciaal snijpunt. Met de opkomst van AI, nieuwe licentiemodellen en een groeiende focus op collectief beheer, wordt de rol van rechthebbenden en organisaties zoals BumaStemra en Brein steeds belangrijker. Tijdens recente besprekingen kwamen fundamentele vraagstukken naar voren over AI, auteursrechten en het optimaliseren van rechtenbeheer. Wat betekent dit voor rechthebbenden en hoe kunnen zij zich voorbereiden op de toekomst?
AI in de muziekpraktijk: Kansen en Uitdagingen
AI wordt steeds vaker ingezet binnen de muziekindustrie. Denk aan machine learning-modellen die helpen bij het sneller herkennen van nummers, het verbeteren van databasekoppelingen en het optimaliseren van rechtenbeheer. Toch blijkt uit gesprekken met experts dat er een sterk gebrek is aan digitale volwassenheid binnen de industrie. Data van platforms zoals Spotify en YouTube zijn inconsistent, en er heerst onzekerheid over hoe AI-tools zoals Suno en Udio moeten worden gelicenseerd.
Large Language Models
Een LLM (Large Language Model) is een geavanceerd AI-model dat is getraind op enorme hoeveelheden tekstdata om menselijke taal te begrijpen en te genereren. Bekende voorbeelden zijn GPT-4 (zoals ChatGPT) en Google’s Gemini. Deze modellen worden niet alleen gebruikt voor tekstverwerking, maar ook voor bredere AI-toepassingen, zoals muziekherkenning en auteursrechtenbeheer:
- Muziekdetectie en Rechtenbeheer
- LLM’s kunnen helpen bij het analyseren en structureren van auteursrechtelijke metadata.
- Ze kunnen gebruikt worden om bestaande muziek te vergelijken met AI-gegenereerde tracks en zo mogelijke inbreuken te signaleren.
- Automatisering en Efficiëntie in Collectief Beheer
- Organisaties zoals BumaStemra en GEMA beheren grote datasets met rechteninformatie.
- LLM’s kunnen deze datasets koppelen en inzichtelijk maken, waardoor licentie-inkomsten efficiënter verdeeld worden.
- AI-gegenereerde Muziek en Licenties
- Platforms zoals Suno en Udio genereren muziek met AI. De vraag is of en hoe deze muziek moet worden gelicenseerd.
- LLM’s kunnen helpen bij het analyseren van AI-gebruik in muziek en bepalen of een werk auteursrechtelijk beschermd is.
- Juridische Uitdagingen en Handhaving
- AI-bedrijven trainen hun modellen vaak op bestaande muziek, wat juridische vragen oproept over inbreuk en fair use.
- LLM’s kunnen juridische teksten en jurisprudentie analyseren om te helpen bij rechtszaken en handhavingsstrategieën.
Brein en AI: Handhaving vs. Toepassing
Brein, met een klein team van slechts tien mensen, kijkt kritisch naar AI-gebruik. Het team is terughoudend met het inzetten van AI en richt zich vooral op waar AI níet gebruikt mag worden. Volgens Buller van Brein valt AI-muziek niet onder piraterij, tenzij het gaat om de trainingskant. Dit laatste aspect is volgens hen wél een vorm van inbreuk en kan mogelijk leiden tot juridische stappen op Europees niveau.
LAION
De LAION-zaak in Hamburg draait om het gebruik van auteursrechtelijk beschermd materiaal voor het trainen van AI-modellen. LAION (Large-scale Artificial Intelligence Open Network) is een Duitse non-profitorganisatie die datasets verzamelt en beschikbaar stelt voor AI-training.
In de zaak, aangespannen door rechthebbenden, wordt betoogd dat LAION zonder toestemming miljoenen auteursrechtelijk beschermde werken heeft verwerkt in AI-trainingssets. Dit roept juridische vragen op over text- en datamining, het recht op reproductie en de bescherming van intellectueel eigendom.
De zaak is complex omdat Europese en Amerikaanse wetgeving op dit gebied verschillen. Er is hoger beroep aangetekend, en organisaties zoals Brein overwegen een gang naar het Hof van Justitie van de EU (HvJEU) om duidelijkheid te krijgen over de juridische status van AI-training met beschermde werken. De LAION-zaak in Hamburg illustreert hoe complex AI-rechten zijn.
Text and datamining
Text- en datamining (“TDM“) is het geautomatiseerd analyseren van grote hoeveelheden data om patronen en inzichten te ontdekken. In de muziekindustrie kan dit worden gebruikt om:
- Muziekcatalogi te doorzoeken en trends te identificeren;
- Auteursrechtelijk beschermde werken te analyseren voor AI-training;
- Muziekherkenning en rechtenbeheer te verbeteren.
Regels uit de DSM-richtlijn
De DSM-richtlijn (Digital Single Market-richtlijn) van de EU bevat regels over text- en datamining, vooral in relatie tot auteursrechten:
- Uitzondering voor wetenschappelijk onderzoek (Artikel 3) – Onderzoeksinstellingen en culturele erfgoedorganisaties mogen zonder toestemming TDM toepassen.
- Opt-out mogelijkheid voor rechthebbenden (Artikel 4) – Voor commerciële toepassingen mogen auteursrechthebbenden TDM verbieden, tenzij ze expliciet toestemming geven.
- Bescherming van rechthebbenden – AI-bedrijven mogen niet zomaar auteursrechtelijk beschermde muziek gebruiken voor training zonder licentie.
Deze regels zijn cruciaal in de discussie over AI en auteursrechten.
Hoger beroep
Er loopt een hoger beroep, en Brein overweegt naar het Hof van Justitie van de EU te stappen, mits Universal hierin mee wil gaan. Dit onderstreept hoe belangrijk collectieve actie is om auteursrechten effectief te beschermen tegen ongeoorloofd AI-gebruik.
Licenties en rechthebbenden: Een nieuwe realiteit?
Een grote vraag is of AI-modellen gelicenseerd kunnen worden. BumaStemra wacht vooralsnog af, terwijl andere collectieve beheersorganisaties (CBO’s) niet goed georganiseerd samenwerken. Dit bemoeilijkt een gecoördineerde aanpak richting AI-bedrijven zoals Suno en Udio.
Joey van der Pasch (DNB) adviseert voorzichtigheid bij AI-toepassingen: “Als het zonder AI kan, doe het dan. Het is lastig uit te leggen hoe het precies werkt en wat de impact is.” Dit zet rechthebbenden voor een dilemma: investeren in AI of traditionele methodes blijven hanteren?
Wat betekent dit voor AI, auteursrecht en muziekprofessionals?
- Licentiemodellen en onderhandeling: Rechthebbenden moeten nadenken over hoe zij AI-bedrijven kunnen laten betalen voor het gebruik van hun werk.
- Data en digitalisering: Een betere datastructuur is essentieel om rechten goed te beheren en AI-gebruik te detecteren.
- Handhaving en juridische actie: Zonder collectieve inspanning blijven illegale AI-trainingen buiten schot. De opt-out is niet zaligmakend, zo blijkt uit dit artikel.
- Educatie en workshops: Efficiëntie verbetert door het juiste gebruik van AI, maar bewustwording over de juridische implicaties is cruciaal.
Bescherm je rechten in de AI-Era met gespecialiseerde muziekadvocaten
Ben jij een muziekprofessional en wil je weten hoe je jouw auteursrechten optimaal kunt beschermen in deze snel veranderende AI-wereld? Op de website van Backstage Legal staat hierover al een uitvoerig artikel. Heb je vragen en wil je advies? Neem contact op met onze gespecialiseerde muziekadvocaten voor juridisch advies op maat. Samen zorgen we ervoor dat jouw rechten gewaarborgd blijven in het tijdperk van AI en digitalisering.
