🤖 AI

Beyond Pairwise Comparisons: A Distributional Test of Distinctiveness for Machine-Generated Works in Intellectual Property Law

Dieses Paper schlägt einen distributiven Zwei-Stichproben-Test vor, der auf der Maximum Mean Discrepancy basiert, um zu bestimmen, ob maschinell erzeugte Werke statistisch von menschlich geschaffenen Werken unterscheidbar sind, und demonstriert dabei, dass generative Modelle semantisch menschenähnliche, jedoch stochastisch einzigartige Outputs produzieren, die die Sichtweise infrage stellen, sie seien bloße Reproduktoren ihrer Trainingsdaten.

Ursprüngliche Autoren: Anirban Mukherjee, Hannah Hanwen Chang

Veröffentlicht 2026-01-27

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Anirban Mukherjee, Hannah Hanwen Chang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Problem: „Eins nach dem anderen“ vs. „Der unendliche Ozean“

Stellen Sie sich vor, Sie sind ein Richter, der entscheiden muss, ob ein neues Gemälde wirklich originell ist oder nur eine Kopie alter Werke.

Wie das Gesetz normalerweise funktioniert:
Derzeit arbeitet das Gesetz wie ein Detektiv, der zwei spezifische Fotos nebeneinander betrachtet. Er fragt: „Sieht dieses spezifische neue Gemälde exakt so aus wie dieses spezifische alte Gemälde?“ Wenn die Antwort nein lautet, könnte er sagen, es sei originell. Das funktioniert gut, wenn man zwei menschliche Künstler vergleicht, die jeweils ein paar hundert Gemälde geschaffen haben.

Das KI-Problem:
Stellen Sie sich nun einen KI-Künstler vor, der eine unendliche Anzahl von Bildern malen kann. Er besitzt nicht nur ein festes Portfolio, sondern einen „generativen Prozess“, der endlose Variationen erschaffen kann.

Wenn Sie nur ein KI-Bild mit einem menschlichen Bild vergleichen, haben Sie vielleicht Glück und stellen fest, dass sie unterschiedlich aussehen.
Aber wenn Sie ein anderes KI-Bild auswählen, könnte es identisch mit einem menschlichen Bild sein.
Da die KI unendliche Bilder erstellen kann, ist ein Vergleich „eins nach dem anderen“ unmöglich. Es ist, als würde man versuchen, ein bestimmtes Sandkorn an einem Strand zu finden, indem man sich jedes Korn einzeln ansieht. Man wird niemals wissen, ob der gesamte Strand anders ist.

Darüber hinaus sind Menschen schlecht darin, Unterschiede zu erkennen. Studien zeigen, dass selbst Experten KI-Kunst nur zu etwa 58 % von menschlicher Kunst unterscheiden können (kaum besser als ein Münzwurf). Der menschliche „Richter“ versagt also.

Die Lösung: Der „Fingerabdruck des Prozesses“

Die Autoren schlagen einen neuen Weg vor, das Problem zu betrachten. Anstatt Objekt A mit Objekt B zu vergleichen, vergleichen sie den Fingerabdruck des gesamten Prozesses, der Objekt A erschaffen hat, mit dem Fingerabdruck des Prozesses, der Objekt B erschaffen hat.

Denken Sie an Folgendes:

Der alte Weg: Zwei einzelne Fingerabdrücke vergleichen, um zu sehen, ob sie übereinstimmen.
Der neue Weg: Den Boden analysieren, auf dem die Fingerabdrücke gefunden wurden. Wenn ein Satz Abdrücke aus einem schlammigen Wald stammt und der andere von einem Sandstrand, wissen Sie, dass der Prozess der Entstehung der Abdrücke unterschiedlich ist, selbst wenn zwei spezifische Abdrücke ähnlich aussehen.

Wie es funktioniert: Der „statistische Geschmackstest“

Die Autoren verwenden ein mathematisches Werkzeug namens Maximum Mean Discrepancy (MMD). Hier ist ein einfacher Weg, dies zu verstehen:

Übersetzung: Zuerst übersetzen sie Bilder (oder Texte) in eine „Sprache“, die Computer verstehen, genannt Embeddings. Stellen Sie sich vor, man verwandelt ein Gemälde in eine lange Liste von Zahlen, die seinen Stil, seine Farben und seine Stimmung beschreiben, anstatt nur seine Pixel.
Die Wolke: Sie nehmen eine kleine Gruppe von KI-Gemälden und eine kleine Gruppe von menschlichen Gemälden und verwandeln sie in zwei „Wolken“ von Punkten in einem mehrdimensionalen Raum.
Der Test: Sie stellen eine statistische Frage: „Kommen diese zwei Wolken aus derselben Quelle?“
- Wenn die KI nur regurgitiert (kopiert und einfügt), wird ihre Wolke direkt auf der menschlichen Wolke liegen.
- Wenn die KI interpoliert (Ideen mischt und kombiniert, um etwas Neues zu schaffen), wird ihre Wolke an einem anderen Ort liegen, auch wenn sie sich noch in der gleichen Nachbarschaft befindet.

Die überraschende Entdeckung: Das „perzeptive Paradoxon“

Die Arbeit fand etwas sehr Interessantes heraus, das sie das perzeptive Paradoxon nennen:

Was Menschen sehen: Menschen betrachten ein KI-Gemälde und ein menschliches Gemälde und sagen: „Sie sehen gleich aus.“ (Sie können den Unterschied nicht erkennen).
Was die Mathematik sieht: Die Mathematik betrachtet die Verteilung der KI-Gemälde und sagt: „Diese sind statistisch gesehen unterschiedlich zu den menschlichen Gemälden.“

Die Analogie:
Stellen Sie sich einen menschlichen Koch und einen Roboter-Koch vor.

Der menschliche Koch bereitet 1.000 einzigartige Suppen zu.
Der Roboter-Koch schmeckt die menschlichen Suppen und lernt das Rezept.
Wenn der Roboter nur regurgiert, serviert er Ihnen exakt dieselben 1.000 Suppen.
Wenn der Roboter interpoliert, kreiert er 1.000 neue Suppen, die den menschlichen sehr ähnlich schmecken, aber wenn Sie die chemische Zusammensetzung der gesamten Charge analysieren würden, fänden Sie, dass die Suppen des Roboters ein leicht anderes „Geschmacksprofil“ haben, weil er die Zutaten auf neue Weise mischt.

Die Arbeit beweist, dass die KI genau das Zweite tut. Sie kopiert nicht einfach nur, sondern sie erschafft ein neues, distinktes „Geschmacksprofil“, das sich mathematisch von den menschlichen Werken unterscheidet, obwohl es für unsere Sinne (das Aussehen/den Geschmack) gleich aussieht.

Warum das für das Recht wichtig ist

Es ist schnell und kostengünstig: Man muss nicht tausende Bilder sehen. Die Mathematik kann den Unterschied bereits mit nur 5 bis 10 Bildern pro Gruppe feststellen. Das ist ideal für Gerichtsverfahren, in denen man keinen Zugriff auf die geheimen Trainingsdaten der KI hat.
Es ist objektiv: Es eliminiert die menschliche Voreingenommenheit. Da Menschen den Unterschied nicht zuverlässig erkennen können, gibt dieses Werkzeug dem Richter ein „Lineal“, das tatsächlich funktioniert.
Es beweist Kreativität (gewissermaßen): Die Ergebnisse legen nahe, dass die KI nicht bloß ein „Fotokopierer“ des Internets ist. Sie ist ein „semantischer Interpolator“. Sie lernt die Regeln der Kunst und schafft neue Kombinationen innerhalb dieser Regeln. Dies stellt die Vorstellung infrage, dass KI nur stiehlt und wiederholt.

Zusammenfassung

Die Arbeit argumentt, dass wir aufhören müssen, bei der Beurteilung von KI vor Gericht auf einzelne Bilder zu schauen, und statfangen müssen, auf das statistische Muster der gesamten Gruppe zu achten. Sie haben einen mathematischen Test entwickelt, der den Unterschied zwischen menschlicher und KI-Kunst mit hoher Genauigkeit erkennen kann, selbst wenn Menschen dies nicht können. Dies beweist, dass die KI ein einzigartiges, distinktes „Verteilungsmuster“ ihrer Arbeit erschafft, was darauf hindeutet, dass sie etwas Komplexeres tut als bloßes Kopieren und Einfügen.

Technisches Resümee: Jenseits paarweiser Vergleiche: Ein distributioneller Test der Unterscheidbarkeit für maschinengenerierte Werke im Immaterialgüterrecht

1. Problemstellung

Das Immaterialgüterrecht (IP-Recht) stützt sich auf eine gemeinsame empirische Prämisse: Um Schutz zu rechtfertigen (Neuheit, Originalität oder Unterscheidbarkeit), muss ein Werk sich maßgeblich von einer relevanten Referenzklasse unterscheiden. Die derzeitige rechtliche und technische Praxis leidet jedoch unter einer grundlegenden Diskrepanz in der Analyseeinheit.

Rechtspraxis: Gerichte bewerten die Unterscheidbarkeit typischerweise mittels item-basierter, paarweiser Vergleiche (z. B. der Vergleich eines einzelnen Gemäldes mit einem spezifischen Stand der Technik), vermittelt durch menschliche Proxys („gewöhnlicher Betrachter“ oder „Fachmann auf dem Gebiet“).
Die Herausforderung durch Generative KI: Generative Modelle sind stochastische Prozesse mit effektiv unbegrenzten Output-Räumen. Die Bewertung einer endlichen Stichprobe von Ausgaben gegenüber einer Referenzklasse liefert eine unvollständige Beurteilung. Zudem haben menschliche Evaluatoren Schwierigkeiten, KI-generierte Kunst von menschlicher Kunst zu unterscheiden (sie erreichen nur eine Genauigkeit von ca. 58 %), was den Proxy des „gewöhnlichen Betrachters“ unzuverlässig macht.
Theoretische Sackgasse: Die Debatte zwischen „Regurgitation“ (KI als bloße Rekonstruktion von Trainingsdaten) und „Interpolation“ (KI generiert neuartige Kombinationen) kann nicht durch Metriken auf Einzel-Item-Ebene gelöst werden. Verbatim-Checks (Wort-für-Wort-Prüfungen) erfassen keine stilistische Mimikry, während semantische Ähnlichkeit auf Paarweisebene keine fundierte statistische Basis bietet, um zu bestimmen, ob ein Prozess von einer Distribution verschieden ist.

2. Methodik

Die Autoren schlagen eine distributionelle Alternative vor: einen Zwei-Stichproben-Hypothesentest basierend auf der Maximum Mean Discrepancy (MMD), berechnet auf semantischen Embeddings. Dies verschiebt die Analyseeinheit vom einzelnen Item hin zum kreativen Prozess.

2.1 Kernrahmen

Semantisches Embedding: Nicht-numerische Daten (Bilder, Text) werden mittels vortrainierter Foundation-Modelle (z. B. CLIP für Bilder, SentenceTransformers für Text) in hochdimensionale Vektorräume abgebelt. Dies erfasst semantische Beziehungen statt rein oberflächlicher Formen.
Kernel Mean Embeddings (KME): Die Wahrscheinlichkeitsverteilungen der kreativen Prozesse (Referenzklasse $P$ vs. Kandidatenprozess $Q$ ) werden in einen Reproducing Kernel Hilbert Space (RKHS) abgebildet.
MMD-Berechnung: Die quadratische MMD ( $\text{MMD}^2$ $MMD^{2}$ ) wird als der Abstand zwischen den KMEs dieser beiden Verteilungen berechnet. Dies quantifiziert die statistische Divergenz zwischen den Prozessen.
- Formel: $\text{MMD}^2(P, Q) = \|\mu_P - \mu_Q\|_H^2$ .
- Der Schätzer verwendet einen Gaußschen Radial Basis Function (RBF) Kernel, der „charakteristisch“ ist, was sicherstellt, dass $\text{MMD}^2 = 0$ gilt, wenn und nur wenn $P = Q$ .
Hypothesentest: Um die rechtliche Zulässigkeit zu gewährleisten, wird der rohe MMD-Wert über einen Permutationstest in einen p-Wert umgewandelt.
- Nullhypothese ( $H_0$ ): $P = Q$ (Die Prozesse sind identisch; der Kandidat ist nicht unterscheidbar).
- Alternativhypothese ( $H_1$ ): $P \neq Q$ (Die Prozesse sind unterscheidbar).
- Der Test bestimmt, ob die beobachtete Divergenz über das hinausgeht, was durch Zufall zu erwarten wäre, wodurch es Entscheidungsträgern ermöglicht wird, ein Signifikanzniveau $\alpha$ festzulegen.

2.2 Stabilität und Robustheit

Approximative Embeddings: Die Autoren beweisen (Proposition 2), dass MMD Lipschitz-stetig in Bezug auf beschränkte Kernel-Perturbationen ist. Selbst bei Dimensionsreduktion (z. B. UMAP) oder Rauschen bleibt die Metrik stabil.
Stichprobeneffizienz: Die Methode ist darauf ausgelegt, auch bei kleinen Stichprobengrößen effektiv zu sein, was für juristische Kontexte entscheidend ist, in denen große Datensätze nicht verfügbar sein könnten.

3. Zentrale Beiträge

Verschiebung vom Item zum Prozess: Das Framework löst das Problem der „unendlichen Kardinalität“ generativer KI, indem es Unterscheidbarkeit als eine Eigenschaft der zugrunde liegenden Verteilung behandelt und nicht als einen paarweisen Vergleich spezifischer Ausgaben.
Trainingsfreie und stichprobeneffiziente Implementierung: Die Methode erfordert kein aufgabenspezifisches Training oder Zugriff auf proprietäre Modellgewichte. Sie kann distributionelle Unterschiede mit so wenig wie 5–10 Bildern oder 7–20 Texten pro Gruppe nachweisen.
Identifizierung von „interpolativer Unterscheidbarkeit“: Die Arbeit liefert empirische Belege dafür, dass generative Modelle nicht lediglich Trainingsdaten regurgitieren. Stattdessen produzieren sie Ausgaben, die semantisch menschenähnlich, aber stochastisch distinkt sind und einzigartige topologische Regionen innerhalb des gelernten latenten Raums besetzen.

4. Experimentelle Ergebnisse

4.1 Validierung auf MNIST (Kontrollbilder)

Setup: Vergleich der Verteilungen handgeschriebener Ziffern (0–9) unter Verwendung eines LeNet-5 Embeddings.
Ergebnisse: Die Methode erreichte eine statistische Power von >95 % (Ablehnung von $H_0$ ) mit nur 6 Samples pro Verteilung. Sie konnte visuell ähnliche Ziffern (z. B. 3 vs. 5) erfolgreich unterscheiden, bei denen rohe Pixelvergleiche versagten.
Robustheit: Die Metrik blieb unter Dimensionsreduktion und Eingabe-Perturbationen (Rauschen, Wasserzeichen) stabil und konnte die Nullhypothese für perturbierte Versionen desselben Bildes nicht ablehnen.

4.2 Validierung auf Patentabstrakt (Text)

Setup: Vergleich von Patentabstrakt aus drei internationalen Patentklassifikations-Sektionen (IPC): Menschliche Bedürfnisse (A), Chemie (C) und Elektrizität (H).
Ergebnisse: Die Methode unterschied zuverlässig zwischen unverbundenen technischen Feldern (z. B. Chemie vs. Elektrizität) mit 7–15 Samples pro Gruppe. Split-Half-Kontrollen (Vergleich von Teilmengen desselben Feldes) ergaben nicht-signifikante Ergebnisse, was bestätigt, dass die Methode keine Scheinunterschiede detektiert.

4.3 KI-generierte Kunst (Reale Bilder)

Datensatz: AI-ArtBench (Menschliche Kunst vs. Stable Diffusion und Latent Diffusion Outputs über 10 künstlerische Stile).
Das perzeptive Paradoxon: Während menschliche Evaluatoren KI von menschlicher Kunst nur mit ca. 58 % Genauigkeit unterscheiden können, detektierte der MMD-Test eine robuste distributionelle Unterscheidbarkeit über alle Stile hinweg ( $p < 0.01$ ).
Ausmaß der Unterscheidbarkeit: Die Distanz zwischen menschlichen und KI-Verteilungen war vergleichbar mit der Distanz zwischen historisch getrennten menschlichen Kunstbewegungen (z. B. Art Nouveau vs. Ukiyo-e).
Memorization-Audit: Nearest-Neighbor-Audits (CLIP, SSIM, LPIPS) fanden keine systematische Memorierung. Die wenigen markierten Fälle wurden als stilistische Konvergenzen (z. B. gemeinsame Farbpaletten) statt als Inhaltsreplikation identifiziert.
Evolution der Modelle: Mit der Entwicklung der Modelle von Latent Diffusion (2021) zu FLUX-Krea (2025) stieg die distributionelle Unterscheidbarkeit (MMD-Werte stiegen), was darauf hindeutet, dass Modelle bessere Interpolatoren und nicht bessere Regurgitatoren werden.
Sensitivität der Embeddings: Die Unterscheidbarkeit war am höchsten in CLIP (KI-naiv), intermediär in DreamSim (KI-bewusst, aber menschlich kalibriert) und am niedrigsten im Stable Diffusion VAE (KI-nativ). Dies bestätigt, dass KI-Outputs echte Ausreißer im menschlichen semantischen Raum sind, aber in das latente Manifold des generativen Prozesses passen.

5. Bedeutung und Ansprüche

Das Paper beansprucht, einen prinzipienbasierten, quantitativen Rahmen für die juristische Bewertung von IP zu bieten, der die Grenzen aktueller menschzentrierter und paarweiser Methoden adressiert.

Juristische Zulässigkeit: Durch die Umwandlung von distributionellen Distanzen in p-Werte mittels Permutationstests bietet die Methode eine testbare empirische Evidenz mit bekannten Fehlerraten, was Kriterien wie Daubert erfüllt.
Bifurkierte Untersuchung: Die Autoren schlagen einen dualen Ansatz vor:
1. MMD-Test: Zur Beurteilung der Natur des generativen Prozesses (ist es ein distinkter kreativer Prozess oder nur ein bloßer Resampler?).
2. Memorization-Audits: Zur Detektion spezifischer, seltener Fälle von Item-Level-Infringement (verbatim Kopieren).
Implikationen für IP-Doktrinen:
- Urheberrecht: Liefert Belege für „probabilistische Originalität“ und unabhängige Schöpfung, was der Kritik der „Regurgitation“ entgegenwirkt.
- Patentrecht: Bietet eine Metrik für „generative Distanz“, die für die Nicht-Offensichtlichkeit relevant ist.
- Markenrecht: Kann die Unterscheidbarkeit des visuellen Fußabdrucks einer Marke gegenüber einer Marktverteilung quantifizieren.
Limitierungen: Die Autoren räumen ein, dass die Methode von der Qualität der Embeddings abhängt (welche inhärente Biases erben können) und eine repräsentative Stichprobenziehung erfordert. Sie misst den dominanten Modus des Prozesses und schließt seltene Memorierungsepisoden nicht aus, was den bifurkierten Ansatz notwendig macht.

Zusammenfassend argumentiert das Paper, dass generative Modelle als semantische Interpolatoren innerhalb eines gelernten latenten Raums fungieren, die Ausgaben produzieren, die statistisch von ihren Trainingsverteilungen verschieden sind, selbst wenn sie perceptuell ähnlich zu menschlichen Schöpfungen erscheinen. Diese distributionelle Unterscheidbarkeit fordert die Sichtweise der KI als bloßes Werkzeug der Regurgitation heraus und legt nahe, dass das IP-Recht von intuitiven, paarweisen Tests zu distributioneller Evidenz evolvieren muss.