EU AI Act ab 2. August 2026: Was die KI-Kennzeichnungspflicht für Produktbilder bedeutet

Am 2. August 2026 wird der EU AI Act für Onlineshops, Marken und Bildproduzenten zum ersten Mal wirklich greifbar. Bis hierhin war die KI-Verordnung für die meisten Unternehmen ein abstraktes Regelwerk über Hochrisiko-Systeme, Kreditscoring und Bewerberauswahl. Ab diesem Datum betrifft sie etwas sehr Konkretes: das Bild im Produktlisting. Wer ein fotorealistisches Bild veröffentlicht, das mit KI erzeugt oder wesentlich verändert wurde, muss es kennzeichnen. Und zwar so, dass ein Mensch es ohne technisches Hilfsmittel erkennt.

Gleichzeitig läuft eine zweite Entwicklung, über die deutlich weniger gesprochen wird: Die Bilder, die Unternehmen seit Jahren in ihre Shops stellen, sind längst zu Trainingsmaterial geworden. Nicht als Ausnahme, sondern in einem Umfang, den die wenigsten Händler auf dem Schirm haben. Beide Themen hängen zusammen – rechtlich, wirtschaftlich und strategisch. Dieser Artikel ordnet sie ein: was ab dem 2. August tatsächlich gilt, wo die Grenze zwischen normaler Bildbearbeitung und kennzeichnungspflichtigem Eingriff verläuft, was mit Ihren Produktfotos im Netz passiert – und welche Schritte jetzt sinnvoll sind.

Teil 1: Was am 2. August 2026 tatsächlich in Kraft tritt

Der EU AI Act – offiziell Verordnung (EU) 2024/1689 – ist am 1. August 2024 in Kraft getreten, entfaltet seine Wirkung aber gestaffelt über mehrere Jahre. Diese Staffelung ist der Grund, warum so viel Verwirrung herrscht: Es gibt nicht das eine Startdatum, sondern eine Reihe von Stufen, die unterschiedliche Adressaten treffen.

Die Zeitachse der KI-Verordnung

• 1. August 2024 – Die Verordnung tritt in Kraft. Ab hier laufen alle Fristen.
• 2. Februar 2025 – Die absoluten Verbote aus Artikel 5 gelten. Darunter fällt auch das Verbot, Gesichtserkennungsdatenbanken durch ungezieltes Auslesen von Gesichtsbildern aus dem Internet aufzubauen. Ebenfalls seit diesem Datum: die KI-Kompetenzpflicht aus Artikel 4.
• 2. August 2025 – Die Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck (GPAI) nach Artikel 53 und 55 greifen. Dazu gehören eine Urheberrechts-Policy und eine öffentliche Zusammenfassung der Trainingsdaten. Die Mitgliedstaaten sollten bis hier ihre Aufsichtsbehörden benennen.
• 2. August 2026 – Die Transparenzpflichten aus Artikel 50 gelten. Gleichzeitig werden die Sanktionsbefugnisse gegenüber GPAI-Anbietern und die Marktüberwachung scharf gestellt.
• 2. Dezember 2026 – Ende der Schonfrist für die maschinenlesbare Markierung nach Artikel 50 Absatz 2 bei KI-Systemen, die bereits vor dem 2. August 2026 auf dem Markt waren. Ab diesem Datum gilt außerdem ein neues Verbot für KI-Systeme zur Erzeugung nicht einvernehmlicher intimer Darstellungen.
• 2. Februar 2027 – Die technischen Markierungs- und Erkennungslösungen müssen interoperabel sein.
• 2. Dezember 2027 – Die Pflichten für eigenständige Hochrisiko-Systeme nach Anhang III greifen (ursprünglich 2. August 2026).
• 2. August 2028 – Die Pflichten für Hochrisiko-KI, die in regulierte Produkte nach Anhang I eingebettet ist.

Der Digital Omnibus: verschoben wurde vieles – Artikel 50 nicht

Im Herbst 2025 hatte die EU-Kommission ein Entlastungspaket vorgeschlagen, das als Digital Omnibus bekannt wurde. Nach der politischen Einigung im Frühjahr 2026 wurde die Verordnung (EU) 2026/1744 am 24. Juli 2026 im Amtsblatt veröffentlicht und trat am 27. Juli 2026 in Kraft – also vier Tage vor der Veröffentlichung dieses Artikels. Sie ändert über 40 Artikel der KI-Verordnung.

Der Kern der Änderung: Die Pflichten für Hochrisiko-Systeme wurden deutlich nach hinten geschoben, weil die harmonisierten Normen, Konformitätsbewertungsverfahren und nationalen Behördenstrukturen schlicht nicht rechtzeitig fertig geworden sind. Für eigenständige Anwendungen aus Anhang III – etwa Bonitätsbewertung oder Bewerberauswahl – gilt jetzt der 2. Dezember 2027. Für KI in regulierten Produkten der 2. August 2028.

Genau hier entsteht das Missverständnis, das aktuell in vielen Unternehmen kursiert: „Der AI Act wurde verschoben, wir haben Zeit." Das stimmt für Hochrisiko-Systeme. Für die Transparenzpflichten stimmt es nicht. Artikel 50 wurde bewusst nicht verschoben. Die einzige Erleichterung ist eine viermonatige Schonfrist bis zum 2. Dezember 2026 – und die betrifft ausschließlich die maschinenlesbare Markierung nach Absatz 2 bei KI-Systemen, die vor dem 2. August 2026 in Verkehr gebracht wurden. Sie betrifft nicht die sichtbare Kennzeichnungspflicht, die Onlineshops und Marken trifft.

Artikel 50 Absatz für Absatz

Artikel 50 ist der einzige Teil der KI-Verordnung, den nahezu jedes Unternehmen mit Onlinepräsenz kennen sollte. Er besteht aus fünf Absätzen mit sehr unterschiedlichen Adressaten:

• Absatz 1 – Anbieter von KI-Systemen, die direkt mit Menschen interagieren, müssen dafür sorgen, dass Nutzer erkennen, dass sie es mit einer KI zu tun haben. Das ist die Chatbot-Regel. Ausnahme: wenn es aus dem Kontext offensichtlich ist.
• Absatz 2 – Anbieter von KI-Systemen, die synthetische Bilder, Audio, Video oder Text erzeugen, müssen die Ausgaben maschinenlesbar markieren und als KI-generiert erkennbar machen. Das trifft die Hersteller der Werkzeuge, nicht deren Anwender.
• Absatz 3 – Betreiber von Emotionserkennungs- oder biometrischen Kategorisierungssystemen müssen die betroffenen Personen informieren.
• Absatz 4 – Betreiber, die Deepfakes veröffentlichen, müssen offenlegen, dass der Inhalt künstlich erzeugt oder manipuliert wurde. Das ist der Absatz, der Onlineshops, Marken und Agenturen trifft.
• Absatz 5 – Die Offenlegung muss spätestens bei der ersten Interaktion oder Konfrontation erfolgen, klar und unterscheidbar sein und Barrierefreiheitsanforderungen genügen.

Anbieter oder Betreiber – wer sind Sie?

Diese Unterscheidung wird in vielen Ratgebern durcheinandergebracht, und sie ist entscheidend für die Frage, was Sie tun müssen. Anbieter ist, wer ein KI-System entwickelt oder entwickeln lässt und unter eigenem Namen auf den EU-Markt bringt – also OpenAI, Adobe, Google, Midjourney. Betreiber ist, wer ein KI-System unter eigener Verantwortung beruflich einsetzt – also der Onlineshop, die Marke, die Agentur, das Fotostudio.

Praktisch heißt das: Die maschinenlesbare Markierung im Bild – Wasserzeichen, kryptografisch signierte Metadaten – ist Aufgabe des Toolherstellers. Ihre Aufgabe als Shop oder Marke ist die sichtbare Kennzeichnung nach Absatz 4. Sie können sich dabei nicht darauf berufen, dass der Anbieter ja schon technisch markiert hat: Die Pflicht des Betreibers besteht unabhängig davon. Umgekehrt müssen Sie auch keine eigenen Wasserzeichen entwickeln.

Bußgelder und wer in Deutschland kontrolliert

Verstöße gegen die Transparenzpflichten aus Artikel 50 können nach Artikel 99 mit Geldbußen bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes geahndet werden – je nachdem, welcher Betrag höher ist. Bei den absoluten Verboten aus Artikel 5 liegt der Rahmen bei bis zu 35 Millionen Euro oder 7 %.

In Deutschland ist die Zuständigkeit inzwischen geklärt. Mit dem Gesetz zur Durchführung der KI-Verordnung und dem darin geschaffenen KI-Marktüberwachungs- und Innovationsförderungsgesetz (KI-MIG) wurde die Bundesnetzagentur zur zentralen Marktüberwachungsbehörde, Anlaufstelle und Beschwerdestelle bestimmt. Das Gesetz ist am 29. Juli 2026 in Kraft getreten. Für kleine und mittlere Unternehmen ist die realistischere Gefahr allerdings nicht das Bußgeld der Aufsicht, sondern die wettbewerbsrechtliche Abmahnung – dazu weiter unten mehr.

Teil 2: Was das konkret für Produktbilder bedeutet

Jetzt zur eigentlich relevanten Frage: Muss ein KI-generiertes oder KI-bearbeitetes Produktbild gekennzeichnet werden? Die Antwort hängt an zwei Weichen – der Deepfake-Definition und der Abgrenzung zwischen unterstützender und substanzieller Bearbeitung.

Ist ein Produktbild überhaupt ein „Deepfake"?

Der Begriff Deepfake weckt Assoziationen an gefälschte Politikervideos. Die Legaldefinition in Artikel 3 Nr. 60 ist deutlich weiter gefasst: Erfasst sind KI-generierte oder KI-manipulierte Bild-, Audio- oder Videoinhalte, die existierenden Personen, Gegenständen, Orten, Einrichtungen oder Ereignissen ähneln und einer Person fälschlicherweise als echt oder wahrheitsgemäß erscheinen würden. Das Wort „Gegenständen" ist der Punkt, an dem der E-Commerce betroffen ist.

Die Leitlinien der Kommission konkretisieren das über drei Kriterien, die kumulativ vorliegen müssen: Der Inhalt muss einer existierenden oder plausibel existierenden Sache ähneln, er muss den Anschein von Authentizität erwecken, und der Kontext beziehungsweise die Erwartungshaltung des Publikums ist zu berücksichtigen. Bei einem fotorealistischen Produktbild in einem Shoplisting sind alle drei Kriterien in aller Regel erfüllt: Das Produkt existiert, das Bild sieht aus wie eine Fotografie, und Kunden erwarten in einem Listing genau das – eine Aufnahme des realen Artikels.

Die Kommission zieht die Grenze anschaulich: Ein fliegender Sphinx über dem Eiffelturm, Drachen oder autofahrende Elefanten fallen nicht unter die Definition, weil sie Natur und Biologie widersprechen. Ein fotorealistisches Porträt einer erfundenen Person dagegen schon – denn diese Person könnte plausibel existieren. Übertragen auf Produktbilder heißt das: Eine offensichtlich illustrative, comichafte oder stilisierte Darstellung ist unkritisch. Ein fotorealistisches Bild ist es nicht.

Die entscheidende Grenze: unterstützende Bearbeitung vs. substanzieller Eingriff

Der AI Act nimmt KI-Systeme aus, die lediglich eine unterstützende Funktion für die Standardbearbeitung erfüllen oder die Eingabedaten nicht wesentlich verändern. Das ist für die Produktfotografie zentral, denn moderne Bildbearbeitung nutzt an vielen Stellen KI, ohne dass jemand von „KI-Bildern" sprechen würde – Entrauschen, automatische Freistellungsalgorithmen, Schärfung, Staubentfernung.

Die Kommissionsleitlinien geben Beispiele in beide Richtungen. Als Standardbearbeitung gelten unter anderem Rechtschreib- und Grammatikkorrektur, Rauschreduzierung und geringfügige Farbanpassungen. Als substanzielle Änderungen gelten dagegen KI-Übersetzungen, Zusammenfassungen, das Entfernen von Objekten, die Veränderung von Gesichtern und die Kolorierung von Schwarzweißbildern.

Für die Produktfotografie lässt sich daraus eine belastbare Arbeitsgrenze ableiten. Sie ist nicht in jedem Detail rechtssicher – dazu ist die Praxis noch zu jung –, aber sie deckt die typischen Fälle ab:

• Unkritisch: Belichtungs- und Farbkorrektur, Weißabgleich, Entrauschen, Schärfen, Zuschnitt, Skalierung, Perspektivkorrektur, klassische Staub- und Fusselretusche.
• Unkritisch: Freistellen im klassischen Sinn – das Produkt bleibt unverändert, nur der Hintergrund wird entfernt und durch eine einfarbige Fläche ersetzt.
• Kritisch: generatives Entfernen von Objekten, bei dem Bildbereiche neu berechnet werden – etwa wenn ein Ständer, eine Klammer oder ein störendes Element „wegretuschiert" und der Hintergrund dahinter erfunden wird.
• Kritisch: generierte Hintergründe und Lifestyle-Szenen um ein reales Produkt herum.
• Kritisch: Hollowman- oder Ghost-Mannequin-Effekte, wenn fehlende Partien generativ ergänzt statt aus einer zweiten Aufnahme kombiniert werden.
• Eindeutig kennzeichnungspflichtig: vollständig KI-generierte Produktbilder und KI-Modelbilder mit fotorealistischen, nicht existierenden Personen.

Die berechtigte Kritik: Das Label trifft nicht das Täuschungspotenzial

Genau an dieser Stelle setzt eine Kritik an, die aus dem Handel kommt und die man kennen sollte, weil sie die Regelung gut erklärt: Die Kennzeichnungspflicht unterscheidet nicht nach Täuschungspotenzial, sondern nach eingesetztem Werkzeug.

Ein Beispiel dazu: Wer den Hintergrund eines Produktfotos manuell durch ein Alpenpanorama ersetzt, muss nichts kennzeichnen. Wer denselben optischen Effekt mit einem generativen Werkzeug erzeugt, muss kennzeichnen. Für den Kunden ist das Ergebnis identisch, das Irreführungspotenzial ebenfalls. Umgekehrt bleibt ein manuell stark geschöntes Produktfoto – falsche Farbwiedergabe, geschöntes Material, unrealistische Größenverhältnisse – ohne KI-Label, obwohl es real täuscht.

Die praktische Konsequenz für Händler: Verlassen Sie sich nicht darauf, dass ein KI-Label alle Rechtsrisiken abdeckt. Die relevantere Frage bleibt, ob das Bild dem tatsächlichen Produkt entspricht. Sie beantwortet sich nach Gewährleistungs- und Wettbewerbsrecht – unabhängig davon, mit welchem Werkzeug das Bild entstanden ist.

Wie richtig gekennzeichnet wird

Die Offenlegung nach Absatz 4 muss für Menschen wahrnehmbar sein – ohne technische Hilfsmittel. Eine Markierung ausschließlich in den Metadaten genügt nicht. Nach dem Verständnis der Kommission muss der Hinweis klar und erkennbar sein: klar bedeutet, dass die Information auffällt und auch für Kinder und Menschen mit Einschränkungen verständlich ist; erkennbar bedeutet, dass sie sich von anderen Informationen abhebt.

1. Spätestens bei der ersten Konfrontation – also unmittelbar am Bild, nicht erst in einer verlinkten Unterseite oder im Impressum.
2. Direkt am oder im Inhalt, wo technisch möglich: Bildunterschrift, Overlay-Badge in der Ecke des Bildes oder ein Hinweis unmittelbar unterhalb der Galerie.
3. Ausreichend lange sichtbar; bei Videos zu Beginn und in regelmäßigen Abständen wiederholt.
4. Barrierefrei zugänglich, also auch für Screenreader auslesbar – nicht nur als eingebrannte Pixelgrafik.
5. Sprachlich eindeutig: „KI-generiert" für vollständig erzeugte Bilder, „Mit KI bearbeitet" für veränderte Aufnahmen.

Am 10. Juni 2026 hat die Kommission zwei Hilfsmittel veröffentlicht, die die Umsetzung deutlich erleichtern. Erstens den Code of Practice on Transparency of AI-generated Content – ein freiwilliges Regelwerk, das die Pflichten aus Artikel 50 in konkrete Maßnahmen übersetzt und dem bis Ende Juli 2026 rund 190 Unternehmen und Organisationen beigetreten sind. Die Unterzeichnung ist freiwillig und schafft vor allem Berechenbarkeit: Sie erlaubt es, die Erfüllung der Pflichten unionsweit einheitlich darzulegen, statt die Angemessenheit eigener Maßnahmen gegenüber jeder Behörde einzeln zu begründen. Ein abschließender Konformitätsnachweis ist sie ausdrücklich nicht.

Zweitens einen offiziellen Icon-Satz, der frei verwendet werden darf. Er umfasst ein allgemeines Basis-Icon, ein Icon für vollständig KI-generierte Inhalte und eines für teilweise KI-veränderte Inhalte. Jedes Icon liegt als SVG und PNG in vier Varianten vor – schwarz, weiß sowie jeweils mit 50 % Transparenz für Overlays direkt im Bild. Ihre Nutzung ist nicht verpflichtend, hat aber einen praktischen Vorteil: Sie sind europaweit einheitlich und ersparen die Diskussion, ob ein selbst gestalteter Hinweis „klar und erkennbar" genug ist.

Zum Download

Die offiziellen EU-Icons zur KI-Kennzeichnung

Von der Europäischen Kommission am 10. Juni 2026 veröffentlicht. Die Icons dürfen von jedem frei verwendet werden – ohne Namensnennung der Kommission oder des AI Office.

Basis-Icon

Wenn KI an der Erstellung beteiligt war und Sie zusätzlich ein eigenes Label oder eine interaktive Ebene mit Details einsetzen. Das neutrale Symbol ohne Textzusatz.

SVG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

PNG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

AI GENERATED – vollständig KI-generiert

Wenn der Inhalt vollständig von KI erzeugt wurde und keine von Menschen geschaffenen Bestandteile oder redaktionelle Kontrolle enthält – über das Prompten hinaus. Für rein generierte Produktbilder und KI-Models.

SVG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

PNG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

AI MODIFIED – teilweise KI-verändert

Wenn bereits bestehendes, von Menschen geschaffenes Material teilweise mit KI verändert wurde. Der typische Fall für eine echte Produktaufnahme mit generativ ergänztem Hintergrund.

SVG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

PNG herunterladen

SchwarzSchwarz, 50 % transparentWeißWeiß, 50 % transparent

Alle Varianten als ZIP

12 SVG- und 12 PNG-Dateien, ca. 670 KB

Icon-Paket herunterladen

Die weißen Varianten sind für dunkle Bildbereiche gedacht und auf hellem Untergrund nicht sichtbar. Die transparenten Varianten mit 50 % Deckkraft eignen sich für Overlays direkt im Bild. Quelle und verbindliche Platzierungsvorgaben: Europäische Kommission

Für die Platzierung gelten dieselben Grundsätze wie für jede andere Form der Offenlegung: Das Icon muss spätestens bei der ersten Betrachtung klar wahrnehmbar sein, darf nicht von anderen Elementen überdeckt werden und sollte möglichst direkt in den Inhalt eingebettet sein – damit es erhalten bleibt, wenn ein Bild geteilt oder heruntergeladen wird. Ergänzen Sie es um einen Alternativtext, damit Screenreader die Information ebenfalls ausgeben. Wer den Code of Practice unterzeichnet hat, ist zusätzlich an dessen konkrete Platzierungsvorgaben gebunden; wer nicht unterzeichnet hat, darf durch die Verwendung der Icons nicht den Eindruck erwecken, dem Kodex beigetreten zu sein.

Was der Code of Practice konkret verlangt

Der Kodex ist deutlich konkreter als der Verordnungstext und deshalb auch für Nicht-Unterzeichner die beste verfügbare Orientierung. Er besteht aus zwei Abschnitten mit getrennten Adressaten: Abschnitt 1 richtet sich an Anbieter generativer KI-Systeme und betrifft Artikel 50 Absatz 2 und 5 – also die maschinenlesbare Markierung und deren Erkennbarkeit. Abschnitt 2 richtet sich an Betreiber und betrifft Artikel 50 Absatz 4 und 5. Das ist der Teil, der Onlineshops, Marken, Agenturen und Fotostudios angeht.

Aus Abschnitt 2 lassen sich die Vorgaben ableiten, an denen sich eine Kennzeichnung im Shop messen lassen muss. Sie sind erfreulich handfest:

• Gestaltung: Hauptelement des Labels ist das großgeschriebene Kürzel „AI" in englischer Sprache – nicht „KI". Beide Buchstaben müssen dieselbe Höhe haben, beim Skalieren bleiben die Proportionen erhalten. Größe, Farbe, Kontrast und Typografie dürfen an den Kontext angepasst werden, solange das Label lesbar und erkennbar bleibt.
• Zweite Ebene: Empfohlen wird, das Kürzel um die Angabe zu ergänzen, ob der Inhalt KI-generiert oder KI-verändert wurde – im Icon selbst, daneben oder in einer interaktiven zweiten Ebene. Ebenfalls empfohlen: anzugeben, was verändert wurde, etwa dass ein Gesicht bearbeitet wurde.
• Platzierung bei Bildern: an einer Stelle ohne überlagernde Elemente – der Kodex nennt ausdrücklich die obere rechte Ecke des Bildes als Beispiel.
• Platzierung bei Videos: zu Beginn, nach Möglichkeit in regelmäßigen Abständen und mindestens nach Unterbrechungen wie Werbepausen. Damit werden auch Screenshots und ausgeschnittene Fragmente erfasst.
• Wahrnehmbarkeit: sofortige Erkennbarkeit ohne Interaktion und ohne anhaltende Aufmerksamkeit, ausreichend lange sichtbar, mit genügend Abstand zu anderen Overlays und lesbar vor jedem Hintergrund.
• Barrierefreiheit: Alternativtexte für visuelle Elemente, kontrastreiche Icons, Screenreader-Kompatibilität und Erkennbarkeit durch assistive Technologien. Als Maßstab werden ETSI EN 301 549 und die WCAG 2.1 genannt.
• Interne Prozesse: Verhältnismäßig zur Unternehmensgröße sollen dokumentierte Abläufe bestehen, die zeigen, wie gekennzeichnet wird – gerne mit konkreten Beispielen. Dazu kommen Schulung der beteiligten Mitarbeitenden und externen Dienstleister sowie ein Weg, um gemeldete Fehlkennzeichnungen ohne unangemessene Verzögerung zu korrigieren.
• Nur-Audio-Inhalte: Wenn eine visuelle Kennzeichnung nicht möglich ist, muss zu Beginn ein kurzer, verständlicher Audio-Hinweis auf die künstliche Herkunft stehen.

Ein Beispiel – so setzen wir es selbst um

Theorie hilft nur begrenzt, deshalb hier der konkrete Fall. Beide Bilder zeigen dasselbe Kleid. Links die echte Studioaufnahme, die als Vorlage diente – klassisch freigestellt und farbkorrigiert, also unterstützende Bearbeitung ohne Kennzeichnungspflicht. Rechts das daraus erzeugte Modelbild: fotorealistisch, mit einer Person, die es nicht gibt, an einem Ort, an dem nie fotografiert wurde. Ein Lehrbuchfall für Artikel 50 Absatz 4.

Echte Aufnahme. Im Studio fotografiert, klassisch freigestellt und farbkorrigiert. Keine Kennzeichnungspflicht.

KI-generiert. Aus der Freisteller-Aufnahme erzeugtes Modelbild. Fotorealistisch, zeigt ein reales Produkt – kennzeichnungspflichtig nach Artikel 50 Absatz 4.

Wir haben die Kennzeichnung als wiederverwendbare Komponente gebaut und auf allen KI-Bildern unserer Seite ausgerollt – Sie finden sie auf jedem Modelbild in unseren Beispielen für KI-generierte Produktbilder. Die echten Freisteller-Vorlagen daneben tragen bewusst kein Label, denn eine Kennzeichnung dort wäre schlicht falsch und würde die Aussage entwerten. Genau das ist der Punkt, an dem die meisten Umsetzungen scheitern: Es wird entweder gar nicht oder pauschal alles gekennzeichnet.

Technisch ist der Aufwand überschaubar – ein Overlay in der oberen rechten Ecke, das Icon als SVG, der Hinweis zusätzlich als Textalternative für Screenreader, und ein Flag im Datenmodell, das steuert, welches Bild ein Label bekommt. Der eigentliche Aufwand liegt woanders: in der sauberen Erfassung, welches Bild wie entstanden ist. Wer das nicht dokumentiert hat, kann auch nicht korrekt kennzeichnen.

Was zusätzlich gilt: UWG, Plattformregeln und Auslandsrecht

Der AI Act ist nicht die einzige Rechtsquelle. Für deutsche Händler ist das Wettbewerbsrecht praktisch sogar relevanter, weil es einen Durchsetzungsmechanismus hat, den die Marktüberwachung nicht bietet: die Abmahnung durch Mitbewerber und Verbände.

Nach § 5 und § 5a UWG darf ein Produktbild nicht über die tatsächliche Beschaffenheit täuschen. Ein KI-Bild, das Farben, Maße, Materialien oder Verarbeitung anders darstellt als das reale Produkt, ist irreführend – mit oder ohne Label. Und eine fehlende oder unklare KI-Kennzeichnung kann ab August 2026 selbst als Vorenthalten einer wesentlichen Information angreifbar sein. Die Folgen sind die üblichen: Abmahnung, strafbewehrte Unterlassungserklärung, einstweilige Verfügung – und die damit verbundenen Kosten.

Parallel ziehen die Plattformen nach. Amazon verlangt seit der Woche des 25. Juli 2026 von Händlern, dass Produktbilder, Videos und A+-Content mit fotorealistischen KI-generierten Personen vor dem Upload mit einem IPTC-kompatiblen Metadaten-Keyword markiert werden; auch Personen im Hintergrund zählen. Ausgenommen sind fiktionale Charaktere aus Film, Fernsehen und Videospielen sowie reale Personen, deren Erscheinungsbild lediglich per KI verändert wurde. Amazon plant zudem einen für Käufer sichtbaren Hinweis an betroffenen Listings.

Auslöser dafür war nicht der AI Act, sondern ein US-Gesetz: New Yorks Offenlegungspflicht für synthetische Darsteller in der Werbung (S.8420-A/A.8887-B) gilt seit dem 9. Juni 2026 und sieht Geldbußen von 1.000 Dollar für den ersten und 5.000 Dollar für jeden weiteren Verstoß vor. Wer international verkauft, hat es also mit mehreren, nicht deckungsgleichen Kennzeichnungsregimen zu tun – ein weiteres Argument dafür, den Prozess einmal sauber aufzusetzen statt pro Markt zu improvisieren.

Der unterschätzte Nebeneffekt: Was ein Label mit der Conversion macht

Die Kennzeichnungspflicht ist nicht nur ein Compliance-Thema, sie hat eine direkte betriebswirtschaftliche Seite. Und die Datenlage ist widersprüchlich genug, dass man sie kennen sollte, bevor man in KI-Bildproduktion investiert.

Auf der einen Seite berichtet Amazon von messbaren Performance-Vorteilen: Sponsored-Brands-Kampagnen mit KI-generierten Bildern erzielten demnach 10,3 % höheren Return on Ad Spend und rund 10 % mehr Umsatz pro Werbetreibendem und Monat. Auf der anderen Seite steht ein konsistenter Befund aus der Verbraucherforschung: Sobald identische Anzeigen als KI-generiert gekennzeichnet werden, werden sie schlechter bewertet und seltener geklickt – der Effekt ist am stärksten bei hochpreisigen, erklärungsbedürftigen Produkten.

Der Ipsos KI-Monitor 2026 – erhoben zwischen dem 20. März und 3. April 2026 unter 23.532 Erwachsenen in 32 Ländern, davon rund 1.000 in Deutschland – zeigt die Erwartungshaltung dahinter: Drei von vier Deutschen (75 %) finden, dass Produkte und Dienstleistungen den Einsatz von KI offenlegen müssen. Mit KI-generierter, gezielt personalisierter Werbung fühlt sich eine Mehrheit von 51 % nicht wohl, nur 36 % sehen sie positiv.

Die Performance-Vorteile von KI-Bildern wurden weitgehend in einer Welt ohne Kennzeichnungspflicht gemessen. Ab August 2026 wird neu gerechnet – mit sichtbarem Label.

Daraus folgt keine pauschale Absage an KI-Bilder. Sie sind für viele Anwendungen wirtschaftlich sinnvoll, gerade bei großen Sortimenten, kurzen Kollektionszyklen oder wenn ein Shooting schlicht nicht im Budget liegt. Wir setzen sie selbst ein, wenn es zum Projekt passt – wie unsere Beispiele für KI-generierte Produktbilder zeigen. Aber die Rechnung ändert sich, wenn am Ende ein Hinweis unter dem Bild steht. Bei preisintensiven Produkten, erklärungsbedürftigen Materialien und überall dort, wo Vertrauen die Kaufentscheidung trägt, wird die echte Aufnahme durch die Kennzeichnungspflicht tendenziell wertvoller – nicht weniger.

Teil 3: Was mit Bildern im Netz passiert – die Trainingsdaten-Frage

Die zweite Hälfte des Themas betrifft die Gegenrichtung: nicht KI-Bilder, die Sie veröffentlichen, sondern Ihre echten Bilder, die in KI-Modelle einfließen. Hier ist die Faktenlage inzwischen deutlich besser dokumentiert, als die meisten Unternehmen annehmen.

Wie Bilddatensätze tatsächlich entstehen

Der bekannteste offene Bilddatensatz ist LAION-5B mit rund 5,85 Milliarden Bild-Text-Paaren. Er wurde nicht durch eigenes Crawling aufgebaut, sondern aus Common Crawl abgeleitet – einem öffentlichen Webarchiv, das seit 2008 in etwa monatlichen Snapshots rund drei Milliarden Webseiten erfasst, pro Snapshot etwa 300 Terabyte.

Das Verfahren ist einfacher, als man vermutet: Aus den archivierten Seiten werden Bild-URLs zusammen mit dem zugehörigen ALT-Attribut extrahiert. Ein Modell namens CLIP bewertet dann, wie gut Text und Bild zusammenpassen; Paare mit zu niedriger Übereinstimmung fliegen raus. Der Datensatz selbst enthält keine Bilddateien, sondern Verweise – heruntergeladen wird beim Training.

Für den E-Commerce ist die Verteilung der Quellen aufschlussreich. Einzelne Plattformen sind massiv überrepräsentiert, weil sie viele Bilder hosten und diese sauber mit ALT-Texten ausliefern – also genau das tun, was auch für SEO empfohlen wird:

• Pinterest: knapp 155 Millionen Bild-Text-Paare – ungefähr jedes vierzigste Paar im gesamten Datensatz.
• Shopify-Domains: rund 2,4 % des Datensatzes, das entspricht etwa 140 Millionen Bild-Text-Paaren.
• SlidePlayer: etwa 72 Millionen Paare.

Die Zahl zu Shopify ist die eigentliche Nachricht für Händler: Produktfotos aus Onlineshops sind kein Randphänomen in Trainingsdaten, sondern eine der größten Einzelquellen. Wer seit Jahren einen Shop betreibt, muss davon ausgehen, dass die eigenen Produktbilder in offenen Datensätzen enthalten sind – und damit in Modellen, die daraus trainiert wurden. Das gilt für Freisteller genauso wie für aufwendige Kampagnenbilder. Und es erklärt, warum KI-Bildgeneratoren Produktkategorien wie Sneaker, T-Shirts oder Verpackungen so souverän darstellen: Sie haben Millionen professionell fotografierter Beispiele gesehen.

Die Rechtslage: § 44b UrhG und der Streit um den Opt-out

Rechtlich hängt in Deutschland fast alles an § 44b UrhG, der Schranke für Text und Data Mining. Sie erlaubt die automatisierte Auswertung urheberrechtlich geschützter Werke – auch zu kommerziellen Zwecken –, es sei denn, der Rechteinhaber hat sich die Nutzung vorbehalten. Und dieser Nutzungsvorbehalt muss bei online zugänglichen Werken in maschinenlesbarer Form erklärt werden. Genau an diesem Wort entscheidet sich derzeit die Praxis.

Der Musterfall ist das Verfahren des Fotografen Robert Kneschke gegen den Verein LAION. Das Landgericht Hamburg wies die Klage 2024 ab. Das Oberlandesgericht Hamburg bestätigte das am 10. Dezember 2025 und wies die Berufung zurück – und stützte sich dabei kumulativ auf zwei Schranken: § 44b UrhG für kommerzielles Text und Data Mining und § 60d UrhG für die wissenschaftliche Forschung. LAION wurde als nichtkommerzielle Forschungseinrichtung behandelt, und für § 60d gilt die Opt-out-Möglichkeit gar nicht erst.

Für Fotografen besonders unbefriedigend: Das Gericht erkannte den Nutzungsvorbehalt der Bildagentur zwar inhaltlich an, wertete ihn aber nicht als maschinenlesbar – er lag nur in natürlicher Sprache vor und musste ausgelegt werden. Welche Anforderungen an ein wirksames Opt-out konkret zu stellen sind, hat das OLG ausdrücklich offengelassen. Die Revision zum Bundesgerichtshof wurde wegen grundsätzlicher Bedeutung zugelassen. Verwertungsgesellschaften und Berufsverbände sehen darin einen erheblichen Rückschlag; die VG Bild-Kunst sprach von einer faktischen Handlungsanleitung zur Umgehung des Urheberrechts.

Die Gegenbewegung: drei Urteile, die die Richtung offen halten

Die Rechtsprechung ist keineswegs einheitlich – und das ist für Rechteinhaber die wichtigste Nachricht des vergangenen Jahres:

• LG München I, 11. November 2025 (Az. 42 O 14139/24): Im Verfahren der GEMA gegen OpenAI entschied das Gericht, dass die Memorierung geschützter Werke im Sprachmodell eine urheberrechtlich relevante Vervielfältigung darstellt und die TDM-Schranke des § 44b UrhG das KI-Training gerade nicht deckt. Es ist die erste europäische Grundsatzentscheidung zugunsten von Kreativen. OpenAI hat am 8. Dezember 2025 Berufung eingelegt (Az. 6 U 3662/25 e); das Urteil ist nicht rechtskräftig.
• UK High Court, 4. November 2025: Getty Images unterlag im Wesentlichen gegen Stability AI – allerdings aus prozessualen Gründen. Die zentralen Trainingsansprüche wurden während des Verfahrens zurückgezogen, weil das Training außerhalb Großbritanniens stattfand und damit nicht als Handlung im Inland nachweisbar war. Übrig blieb eine sehr begrenzte Markenrechtsverletzung. Im Dezember 2025 wurde die Berufung zugelassen.
• OLG Düsseldorf, 2. April 2026 (Az. I-20 W 2/26): Eine Tierfotografin ging gegen ein KI-Bild vor, das auf Basis ihres Fotos erzeugt worden war. Ohne Erfolg. Das Gericht stellte klar, dass bei Lichtbildern der Bildausschnitt, die Perspektive, die Beleuchtung und die durch Blende und Belichtungszeit erzeugte Schärfeverteilung geschützt sind – Thema und Motiv dagegen nicht. Das KI-Bild übernahm nur das Motiv, nicht die Gestaltungsentscheidungen.

Die praktische Lehre aus dem Düsseldorfer Fall gilt über den Einzelfall hinaus: Gegen ein KI-Bild, das lediglich ein ähnliches Motiv zeigt, lässt sich urheberrechtlich kaum vorgehen. Angreifbar wird es erst, wenn die konkreten Gestaltungsmerkmale einer Aufnahme wiedererkennbar übernommen werden. Für Fotografen verschiebt das den Hebel weg vom Einzelbild hin zum Datenzugang – also zur Frage, ob das Bild überhaupt ins Training gelangen darf.

Was der AI Act selbst zum Training vorschreibt

Der AI Act regelt das Urheberrecht nicht neu, verpflichtet Modellanbieter aber zu Transparenz. Nach Artikel 53 müssen Anbieter von KI-Modellen mit allgemeinem Verwendungszweck vier Dinge tun: technische Dokumentation nach Anhang XI führen, nachgelagerten Anbietern Informationen nach Anhang XII bereitstellen, eine Urheberrechts-Policy einführen, die Nutzungsvorbehalte nach Artikel 4 Absatz 3 der DSM-Richtlinie identifiziert und respektiert – und eine hinreichend detaillierte Zusammenfassung der Trainingsinhalte nach einem verbindlichen Muster des AI Office veröffentlichen.

Diese Pflichten gelten seit dem 2. August 2025. Ab dem 2. August 2026 kommt der entscheidende Teil hinzu: die Sanktionsbefugnis. Bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes. Für Rechteinhaber ist die Trainingsdaten-Zusammenfassung das interessanteste Instrument, denn sie schafft erstmals eine offizielle Grundlage, um überhaupt nachvollziehen zu können, welche Quellen ein Modell verwendet hat.

Politisch ist die Debatte damit nicht abgeschlossen. Am 11. März 2026 hat das Europäische Parlament einen Initiativbericht zu generativer KI und Urheberrecht mit großer Mehrheit angenommen. Er fordert eine lückenlose Offenlegung urheberrechtlich geschützter Trainingsdaten, eine faire Vergütung der Rechteinhaber, eine Prüfung der Vergütung für bereits erfolgte Nutzungen sowie wirksame maschinenlesbare Opt-out-Mechanismen – deren Verwaltung möglicherweise dem EUIPO übertragen werden könnte. Ein Initiativbericht ist noch kein Gesetz, aber er zeigt die Richtung: Der Druck auf die reine Opt-out-Logik wächst.

Gesichter, Models und Personendaten

Ein Bereich, der in Diskussionen über Produktbilder regelmäßig übersehen wird: Sobald Menschen abgebildet sind, kommt zum Urheberrecht das Persönlichkeits- und Datenschutzrecht hinzu. Der AI Act verbietet seit dem 2. Februar 2025 ausnahmslos den Aufbau oder die Erweiterung von Gesichtserkennungsdatenbanken durch ungezieltes Auslesen von Gesichtsbildern aus dem Internet oder aus Überwachungsmaterial. „Ungezielt" meint dabei das wahllose Absaugen ohne Bezug auf bestimmte Personen.

Für Fotostudios und Marken ist die praktische Konsequenz eine andere: Der Model-Release-Vertrag muss den KI-Einsatz abdecken. Rechtlich ist ein Model Release eine Einwilligung nach § 22 KUG und zugleich Grundlage der Datenverarbeitung nach DSGVO. Viele gängige Muster stammen aus einer Zeit, in der „Bearbeitung" Retusche bedeutete – nicht das Trainieren eines Modells auf dem Gesicht einer Person oder die Erzeugung neuer Aufnahmen aus vorhandenen Shootings. Wer eigene Model-Shootings produziert oder produzieren lässt, sollte mindestens drei Punkte ausdrücklich regeln:

• Darf das Bildmaterial für das Training von KI-Modellen verwendet werden – durch wen und in welchem Umfang?
• Dürfen aus den Aufnahmen mittels KI neue Darstellungen der Person erzeugt werden, die so nie fotografiert wurden?
• Wie wird eine solche Nutzung vergütet, und wie lange gilt die Einwilligung – inklusive Widerrufsmöglichkeit?

Vergessen Sie dabei den umgekehrten Fall nicht: Wenn Sie mit KI erzeugte, fotorealistische Personen einsetzen, dürfen diese keiner real existierenden Person ähneln. Sonst stehen neben der Kennzeichnungspflicht auch Persönlichkeitsrechte im Raum – ein Risiko, das bei generierten Models systematisch unterschätzt wird.

Teil 4: Was Sie jetzt konkret tun sollten

Aus alldem lassen sich zwei getrennte Aufgabenpakete ableiten – eines für die Ausgangsseite (Bilder, die Sie veröffentlichen) und eines für die Eingangsseite (Bilder, an denen Sie Rechte halten).

Checkliste für Onlineshops und Marken

• Bildbestand inventarisieren: Welche Bilder sind vollständig KI-generiert, welche KI-verändert, welche reine Fotografie? Ohne diese Grundlage lässt sich keine Pflicht erfüllen.
• Bestandsschutz nutzen: Inhalte, die vor dem 2. August 2026 veröffentlicht wurden, müssen nicht rückwirkend gekennzeichnet werden. Für die laufende Produktion braucht es aber ab sofort einen Prozess.
• Werkzeuge und Presets dokumentieren: Halten Sie fest, welche Bildbearbeitungsschritte im Standard-Workflow generativ arbeiten und welche nicht.
• Kennzeichnung technisch vorbereiten: ein Bildattribut im PIM oder Shopsystem, das „KI-generiert" bzw. „mit KI bearbeitet" steuert – und ein Template, das den Hinweis direkt an der Galerie ausgibt.
• Offizielle EU-Icons einbinden statt eigene Symbole zu entwerfen; Alt-Text und ARIA-Beschriftung nicht vergessen.
• Marktplatz-Anforderungen separat abbilden: Amazon verlangt IPTC-Metadaten-Keywords für fotorealistische KI-Personen, nicht nur einen sichtbaren Hinweis.
• Lieferantenverträge nachziehen: Agenturen, Fotostudios und Freelancer sollten vertraglich zusichern, ob und wie generative Verfahren eingesetzt wurden.
• Bild-Wahrheit prüfen, nicht nur die Kennzeichnung: Farbe, Material, Maßstab und Lieferumfang müssen stimmen – das ist der Punkt, an dem Abmahnungen und Retouren wirklich entstehen.
• KI-Kompetenz nachweisen: Artikel 4 verlangt seit Februar 2025 ausreichendes KI-Verständnis bei allen, die KI-Systeme im Unternehmen einsetzen. Eine kurze, dokumentierte Schulung genügt in der Regel.

Checkliste für Fotografen und Bildrechteinhaber

Nach dem OLG-Hamburg-Urteil gilt: Ein Nutzungsvorbehalt in reiner Textform – etwa ein Satz in den AGB oder im Impressum – ist riskant, weil seine Maschinenlesbarkeit bestritten werden kann. Empfohlen wird deshalb ein dreischichtiger Ansatz, der dieselbe Aussage über mehrere technische Kanäle transportiert:

C2PA: der Standard, auf den beide Seiten zulaufen

Interessant ist, dass sich Kennzeichnungspflicht und Bildschutz technisch auf dieselbe Infrastruktur zubewegen. Die Coalition for Content Provenance and Authenticity – C2PA, 2021 unter anderem von Adobe, Arm, BBC, Intel und Microsoft gegründet – definiert einen offenen Standard für kryptografisch signierte Herkunftsinformationen. Stand Januar 2026 zählt die Initiative über 6.000 Mitglieder und Partner, darunter Google, Meta, OpenAI, Sony, Nikon und Leica.

In der Praxis heißt das: Leicas M11-P war die erste Consumer-Kamera mit integrierten Content Credentials, inzwischen unterstützen Nikon Z9 und Z8, Sony-Alpha-Modelle und neuere Canon-Bodies für den Redaktionseinsatz ähnliche Workflows; Samsungs Galaxy S25 versieht KI-bearbeitete Fotos mit Credentials, Googles Pixel 10 signiert Aufnahmen mit hardwaregestützten Schlüsseln. Adobe schreibt Content Credentials automatisch über die Creative-Cloud-Anwendungen einschließlich Firefly.

Für die Erfüllung von Artikel 50 Absatz 2 ist das die naheliegende Lösung – der Code of Practice verlangt einen mehrschichtigen Ansatz aus digital signierten Metadaten und zusätzlich unsichtbarem Wasserzeichen; eine einzelne Schicht genügt nur in eng begrenzten Ausnahmefällen. Für Fotografen ist derselbe Standard ein Herkunftsnachweis: Er dokumentiert, dass eine Aufnahme mit einer echten Kamera entstanden ist. In dem Moment, in dem KI-Bilder Pflicht-Label tragen, wird dieser Nachweis zum positiven Argument.

Wie wir bei picpoint damit umgehen

Wir produzieren beides: klassische Produktfotografie im Studio und KI-gestützte Bildproduktion. Genau deshalb halten wir die Trennlinie sauber, statt sie zu verwischen. Bei jedem Projekt ist dokumentiert, welche Bilder aus einer echten Aufnahme stammen und welche generativ entstanden sind – nicht als Marketingversprechen, sondern weil unsere Kunden ab dem 2. August 2026 genau diese Information brauchen, um ihre eigenen Pflichten zu erfüllen.

Praktisch heißt das: Freisteller, Farbkorrektur, Retusche und klassische Bildoptimierung laufen so, dass sie im Bereich der unterstützenden Bearbeitung bleiben – diese Bilder brauchen kein Label. Wo wir generative Verfahren einsetzen, etwa bei KI-Modelbildern aus vorhandenen Produktaufnahmen, weisen wir das in der Lieferung aus, inklusive Formulierungsvorschlag für die Kennzeichnung im Shop. Und wenn ein Projekt aus rechtlichen oder Vertrauensgründen besser als echtes Shooting gelöst wird, sagen wir das – auch wenn die KI-Variante günstiger wäre.

Ausblick: Was in den nächsten Monaten passiert

Drei Entwicklungen sind absehbar und lohnen die Aufmerksamkeit. Erstens die Aufsichtspraxis: Ab dem 2. August 2026 kann die Bundesnetzagentur tätig werden, aber niemand rechnet mit sofortigen Massenverfahren. Die realistischere erste Welle sind wettbewerbsrechtliche Abmahnungen – Mitbewerber und Verbände sind erfahrungsgemäß schneller als Behörden, und die Prüfung ist trivial: Ein KI-Bild ohne Label ist von außen erkennbar.

Zweitens der Bundesgerichtshof. Die Revision im Verfahren Kneschke gegen LAION ist zugelassen; parallel läuft die Berufung im Verfahren GEMA gegen OpenAI vor dem OLG München. Beide Verfahren betreffen dieselbe Grundfrage – ob und unter welchen Bedingungen die TDM-Schranke KI-Training deckt – und werden derzeit gegenläufig beantwortet. Eine höchstrichterliche Klärung oder eine Vorlage an den EuGH ist absehbar.

Drittens die Vergütungsfrage. Der Initiativbericht des Europäischen Parlaments vom März 2026 fordert Transparenz und faire Vergütung für KI-Trainingsdaten, inklusive einer Prüfung rückwirkender Ansprüche. Ob daraus ein Gesetzgebungsvorschlag wird, ist offen. Sollte es dazu kommen, wäre erstmals dokumentiert werden müssen, welche Bilder ein Modell gesehen hat – und das wäre für Bildproduzenten die deutlich größere Veränderung als jede Kennzeichnungspflicht.

Bis dahin gilt eine vergleichsweise einfache Faustregel: Kennzeichnen Sie, was fotorealistisch und generiert ist. Dokumentieren Sie, wie Ihre Bilder entstanden sind. Und schützen Sie Ihre eigenen Aufnahmen technisch, nicht nur mit einem Satz in den AGB. Der Rest ist Prozess – und der lässt sich einmal aufsetzen, statt bei jedem Bild neu diskutiert zu werden. Wer tiefer in die Grundlagen einsteigen will, findet sie in unserem großen Guide zur Produktfotografie und in unseren Tipps für E-Commerce-Produktfotos.

Quellen und weiterführende Links

Alle Angaben in diesem Artikel geben den Stand vom 31. Juli 2026 wieder. Wo möglich, ist auf Primärquellen verlinkt – Verordnungstexte, Kommissionsdokumente und Gerichtsentscheidungen. Rechtsanwaltliche Analysen sind als solche gekennzeichnet und geben die Auffassung der jeweiligen Kanzlei wieder.

Rechtsrahmen und offizielle Dokumente

• Europäische Kommission: Transparency obligations under Article 50 of the AI Act – FAQ – maßgebliche Auslegung zu Anbieter- und Betreiberpflichten, Ausnahmen für Standardbearbeitung und Deepfake-Kriterien.
• Europäische Kommission: Code of Practice on Transparency of AI-generated Content – freiwilliger Verhaltenskodex vom 10. Juni 2026, mit Angaben zu Unterzeichnung und Entstehungsprozess. Das Dokument selbst als PDF direkt bei der Kommission oder als Kopie bei uns.
• Europäische Kommission: EU Icons for labelling AI-generated content – offizieller Icon-Satz zum freien Download.
• EU Artificial Intelligence Act: The EU AI Act’s Transparency Rules – A Practical Guide to Article 50 – Aufschlüsselung der Absätze 1 bis 5 mit Geltungsdaten.
• Bundesministerium für Digitales und Staatsmodernisierung: Gesetz zur Durchführung der KI-Verordnung – nationale Umsetzung mit dem KI-MIG.
• Deutscher Bundestag: Ja zur Durchführung der Verordnung über künstliche Intelligenz – Verabschiedung des Durchführungsgesetzes.
• Bundesnetzagentur: Verbotene Praktiken nach der KI-Verordnung – Auslegung von Artikel 5, unter anderem zum ungezielten Auslesen von Gesichtsbildern.
• Europäisches Parlament: Bericht über das Urheberrecht und generative künstliche Intelligenz (A10-0019/2026) sowie die Pressemitteilung zur Abstimmung vom 11. März 2026.

Digital Omnibus und Artikel-50-Leitlinien

• Gibson Dunn: EU AI Act Omnibus Agreement – Postponed High-Risk Deadlines and Other Key Changes – anwaltliche Analyse der verschobenen Fristen.
• Freshfields: EU AI Act unpacked #34 – The final Digital Omnibus on AI – Überblick über die Änderungen an der KI-Verordnung.
• Lewis Silkin: The EU’s new AI labelling rules – what every organisation needs to know – Praxisleitfaden zu sichtbarer Kennzeichnung, Fristen und Bußgeldern.
• Bird & Bird: Taking the EU AI Act to Practice – Reading the Commission’s Draft Article 50 Guidelines – Abgrenzung Standardbearbeitung und substanzielle Änderung.
• Greenberg Traurig: Deepfakes, Chatbots, AI-Generated Text – European Commission Details Transparency Obligations – Einordnung der Kommissionsleitlinien.
• TÜV Rheinland Consulting: Transparenzpflichten im EU AI Act (Art. 50) – deutschsprachige Zusammenfassung der Pflichten.

Kennzeichnung im Handel

• Händlerbund: KI-Kennzeichnung im Online-Handel – Ein Label, das die falschen Fälle trifft – Kritik an der werkzeugbezogenen Anknüpfung, mit Beispielen zu Hintergrundbearbeitung.
• Händlerbund: Muss ich KI-generierte Produktbilder im Shop kennzeichnen? – Einordnung der Rechtslage vor und nach August 2026.
• Internetrecht Rostock: Kennzeichnung von KI-erstellten Produktbildern nach dem EU AI Act – Abmahnrisiken und Formulierungsvorschläge.
• Forbes: Amazon Requires Sellers To Label AI-Generated People In Listing Images – Metadaten-Pflicht ab Juli 2026, Bezug zum New Yorker Offenlegungsgesetz und Performance-Zahlen.
• Ipsos: KI-Monitor 2026 – Befragung von 23.532 Erwachsenen in 32 Ländern, Feldzeit 20. März bis 3. April 2026.

Trainingsdaten, Urheberrecht und Rechtsprechung

• Schuhmann et al.: LAION-5B – An open large-scale dataset for training next generation image-text models – Originalveröffentlichung zum Datensatz, Aufbau aus Common Crawl und CLIP-Filterung.
• Knowing Machines: Models All The Way Down – datenkritische Untersuchung von LAION-5B, Quelle der Anteile von Pinterest, Shopify und SlidePlayer.
• LAION: LAION-5B – A new era of open large-scale multi-modal datasets – Beschreibung des Datensatzes durch die Herausgeber.
• photoscala: OLG-Urteil im Fall LAION – Bilder landen trotz Opt-out im KI-Training – Bericht zum Urteil des OLG Hamburg vom 10. Dezember 2025.
• VG Bild-Kunst: Hamburger OLG-Urteil im Fall LAION – Politischer Handlungsbedarf ist noch offensichtlicher als zuvor – Bewertung aus Sicht der Verwertungsgesellschaft.
• GEMA: Erstes KI-Grundsatzurteil in Europa – GEMA setzt sich gegen OpenAI durch sowie die Analyse von CMS: GEMA vs. OpenAI – Grundsatzentscheidung des LG München I.
• Initiative Urheberrecht: OpenAI legt Berufung ein – zum Verfahrensstand nach dem Urteil des LG München I.
• Bird & Bird: Stability AI defeats Getty Images copyright claims in first of its kind dispute before the High Court – Analyse des britischen Urteils vom 4. November 2025.
• Beyer Rechtsanwälte: OLG Düsseldorf – Keine Urheberrechtsverletzung durch KI-generiertes Bild – Besprechung des Beschlusses vom 2. April 2026 (Az. I-20 W 2/26).
• Urheberrecht.de: KI-generierte Bilder – Kann ein Urheberrecht bestehen? – zur fehlenden Schutzfähigkeit rein KI-generierter Bilder nach § 2 Abs. 2 UrhG.

Bildschutz, Opt-out und Herkunftsnachweise

• FREELENS: KI – Abwehr von Scraping – praxisnahe Übersicht für Fotografinnen und Fotografen: IPTC-Metadaten, robots.txt, TDMRep, ai.txt, Cloudflare, Glaze und Nightshade.
• LAUSEN Rechtsanwälte: Der Text-und-Data-Mining-Vorbehalt – Technische Umsetzung der Maschinenlesbarkeit – zu den konkreten Implementierungswegen des Nutzungsvorbehalts.
• Universität des Saarlandes, JIPS: Anforderungen an den TDM-Vorbehalt und die Maschinenlesbarkeit – rechtswissenschaftliche Einordnung des Merkmals „maschinenlesbar".
• ki-kanzlei.de: Schutz vor KI-Training – Übersicht rechtlicher und technischer Schutzmöglichkeiten.