Datenleck bei Suno: Alte Quellcodes und Scraping-Skripte veröffentlicht
Datenleck bei Suno: Alte Quellcodes und Scraping-Skripte veröffentlicht
Ein Hacker hat alte Quellcodes von Suno geleakt, die bestätigen, dass das Modell mit Millionen von Tracks trainiert wurde. Dies wirft neue rechtliche Fragen auf und verschärft den laufenden Streit mit der Musikindustrie.
Datenleck bei Suno: Alte Quellcodes und Scraping-Skripte
Der unter dem Pseudonym „ellie.191“ bekannte Hacker hat alte Quellcodes des KI-Musikunternehmens Suno veröffentlicht. Die Leaks bestätigen den Verdacht, dass das Modell mit Millionen von Tracks und Texten trainiert wurde, die von Plattformen wie YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound und IMSLP gescrapt wurden. Die durchgesickerten Daten umfassten Quellen aus den Jahren 2023–2024 sowie spezifische Scraping-Skripte.
Mehr als zwei Millionen Clips wurden von YouTube Music gestohlen. Die Entwickler luden gezielt A-cappella-Versionen herunter, um saubere Gesangsspuren für das Training zu erhalten. Um die Schutzmechanismen von YouTube zu umgehen, nutzte Suno einen Drittanbieterdienst namens Bright Data. Zudem plante das Unternehmen, eine Million Stunden Podcast-Inhalte über PodcastIndex zu scrapen.
Suno verteidigt sich mit dem Argument, dass das Trainieren von Modellen auf öffentlich verfügbaren urheberrechtlich geschützten Materialien in den USA als „Fair Use“ (angemessene Nutzung) betrachtet wird.
Das Datenleck ereignete sich bereits im November 2025, doch das Unternehmen schwieg dazu technisch. Im Zuge des Vorfalls wurden auch Kundendaten泄露: E-Mail-Adressen, Telefonnummern und Zahlungsinformationen von Stripe. Suno argumentiert, dass keine vollständigen Kartennummern vorlagen und daher keine gesetzliche Meldepflicht gegenüber den Nutzern bestand.
Aktuell verklagt die RIAA (Recording Industry Association of America) Suno wegen Urheberrechtsverletzungen. Dieser Leak stellt für die Klagebehörde ein wertvolles Beweismittel dar.
Warum das wichtig ist
AnalyseDieses Datenleck markiert einen entscheidenden Wendepunkt im Fall Suno und unterstreicht die erheblichen Risiken beim Einsatz urheberrechtlich geschützter Materialien für KI-Trainingszwecke. Es könnte schwerwiegende juristische Konsequenzen für das Unternehmen haben.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Urheberrecht und Lizenzen im Zeitalter der KI
Rechtlicher Status des geistigen Eigentums an Inhalten, die von neuronalen Netzen erstellt wurden. Präzedenzfälle des US Copyright Office und der EU: fehlendes Urheberrecht für reine Generierungsergebnisse, rechtliche Einordnung des Trainings auf fremden Werken (Fair Use) sowie Lizenzen offener Modelle.
Binance veröffentlicht Untersuchung zum Diebstahl von 6,3 Mrd. US-Dollar
Die Untersuchung verbindet den Diebstahl mit einem manipulierten Homebrew, einem gefälschten Interview und dem Missbrauch eines internen KI-Tools von Binance.
JSON – strukturierte Daten für Anwendungen, APIs und KI-Agenten
Ein umfassender praktischer Leitfaden zum JSON-Format: Syntaxregeln, Serialisierung über parse/stringify, Arbeit mit REST-APIs, JSON Schema und strukturierter Output für künstliche Intelligenz.
DOCX- und XLSX-Formate: Wann ein vollwertiges finales Dokument von KI erforderlich ist
Ein umfassender praktischer Leitfaden zur Generierung und Verarbeitung von DOCX-Dokumenten und XLSX-Tabellen mit KI: Vergleich mit Markdown und CSV, Prompt-Engineering, Arbeit mit Formeln und Automatisierung im Code.