[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$fvT-QL8tWR6t1zjrrrg_kPALNToE1fwp-OCfxlvL7k2E":3,"faq-section-":54},{"tableOfContents":4,"markDownContent":5,"htmlContent":6,"metaTitle":7,"metaDescription":8,"wordCount":9,"readTime":10,"title":11,"nbDownloads":12,"excerpt":13,"lang":14,"url":15,"intro":16,"featured":4,"state":17,"author":18,"authorId":19,"datePublication":23,"dateCreation":24,"dateUpdate":25,"mainCategory":26,"categories":45,"metaDatas":51,"imageUrl":16,"imageThumbUrls":52,"id":53},false,"### Regurgitation bei generativer KI\n\nIm Bereich der **generativen künstlichen Intelligenz** bezeichnet **Regurgitation** eine Situation, in der ein KI-Modell eine **nahezu identische Kopie von Inhalten aus seinen Trainingsdaten** erzeugt. Dabei ist grundsätzlich unerheblich, ob die Wiedergabe erwartungsgemäß, unbeabsichtigt oder aufgrund einer gezielten Nutzerinteraktion erfolgt.\n\nRegurgitation ist von der **Memorisierung (Memorization)** zu unterscheiden. Memorisierung beschreibt, dass Trainingsinformationen während des Trainings so im Modell verankert werden, dass wesentliche Teile später rekonstruiert werden können. Regurgitation bezeichnet dagegen die **tatsächliche Ausgabe** solcher memorisierten Inhalte durch das Modell.\n\nWird ein KI-Modell gezielt durch Prompts oder andere Methoden dazu gebracht, memorisierte Trainingsdaten nahezu originalgetreu auszugeben, wird in der Forschung häufig von **Extraktion** gesprochen. Der Begriff **„Regurgitation Attack“** wird ebenfalls verwendet, ist jedoch kein einheitlich definierter Rechtsbegriff des EU AI Act.\n\n### Welche rechtlichen Risiken bestehen?\n\nRegurgitation kann insbesondere dann rechtlich relevant werden, wenn die ausgegebenen Trainingsinhalte **urheberrechtlich geschützte Werke, personenbezogene Daten oder andere vertrauliche Informationen** enthalten.\n\nFür Anbieter von **KI-Modellen mit allgemeinem Verwendungszweck (GPAI)** schreibt **Art. 53 Abs. 1 Buchst. c EU AI Act** unter anderem eine Strategie zur Einhaltung des Urheberrechts der Union und der verwandten Schutzrechte vor. Der **GPAI Code of Practice** enthält ergänzend Maßnahmen zur Verringerung des Risikos urheberrechtsverletzender Ausgaben.\n\nNicht jede Ähnlichkeit zwischen einem generierten Inhalt und Trainingsdaten stellt jedoch automatisch Regurgitation oder eine Rechtsverletzung dar. Entscheidend sind unter anderem der Grad der Übereinstimmung, Art und Umfang des reproduzierten Inhalts sowie die jeweils einschlägigen rechtlichen Rahmenbedingungen.\n\nFür eine wirksame **KI Governance** kann es daher relevant sein, Risiken durch Memorisierung und Regurgitation bereits bei der Auswahl, Entwicklung und Überwachung generativer KI-Modelle zu berücksichtigen.","\u003Ch3 id=\"regurgitation-bei-generativer-ki\">Regurgitation bei generativer KI\u003C/h3>\n\u003Cp>Im Bereich der \u003Cstrong>generativen künstlichen Intelligenz\u003C/strong> bezeichnet \u003Cstrong>Regurgitation\u003C/strong> eine Situation, in der ein KI-Modell eine \u003Cstrong>nahezu identische Kopie von Inhalten aus seinen Trainingsdaten\u003C/strong> erzeugt. Dabei ist grundsätzlich unerheblich, ob die Wiedergabe erwartungsgemäß, unbeabsichtigt oder aufgrund einer gezielten Nutzerinteraktion erfolgt.\u003C/p>\n\u003Cp>Regurgitation ist von der \u003Cstrong>Memorisierung (Memorization)\u003C/strong> zu unterscheiden. Memorisierung beschreibt, dass Trainingsinformationen während des Trainings so im Modell verankert werden, dass wesentliche Teile später rekonstruiert werden können. Regurgitation bezeichnet dagegen die \u003Cstrong>tatsächliche Ausgabe\u003C/strong> solcher memorisierten Inhalte durch das Modell.\u003C/p>\n\u003Cp>Wird ein KI-Modell gezielt durch Prompts oder andere Methoden dazu gebracht, memorisierte Trainingsdaten nahezu originalgetreu auszugeben, wird in der Forschung häufig von \u003Cstrong>Extraktion\u003C/strong> gesprochen. Der Begriff \u003Cstrong>„Regurgitation Attack“\u003C/strong> wird ebenfalls verwendet, ist jedoch kein einheitlich definierter Rechtsbegriff des EU AI Act.\u003C/p>\n\u003Ch3 id=\"welche-rechtlichen-risiken-bestehen\">Welche rechtlichen Risiken bestehen?\u003C/h3>\n\u003Cp>Regurgitation kann insbesondere dann rechtlich relevant werden, wenn die ausgegebenen Trainingsinhalte \u003Cstrong>urheberrechtlich geschützte Werke, personenbezogene Daten oder andere vertrauliche Informationen\u003C/strong> enthalten.\u003C/p>\n\u003Cp>Für Anbieter von \u003Cstrong>KI-Modellen mit allgemeinem Verwendungszweck (GPAI)\u003C/strong> schreibt \u003Cstrong>Art. 53 Abs. 1 Buchst. c EU AI Act\u003C/strong> unter anderem eine Strategie zur Einhaltung des Urheberrechts der Union und der verwandten Schutzrechte vor. Der \u003Cstrong>GPAI Code of Practice\u003C/strong> enthält ergänzend Maßnahmen zur Verringerung des Risikos urheberrechtsverletzender Ausgaben.\u003C/p>\n\u003Cp>Nicht jede Ähnlichkeit zwischen einem generierten Inhalt und Trainingsdaten stellt jedoch automatisch Regurgitation oder eine Rechtsverletzung dar. Entscheidend sind unter anderem der Grad der Übereinstimmung, Art und Umfang des reproduzierten Inhalts sowie die jeweils einschlägigen rechtlichen Rahmenbedingungen.\u003C/p>\n\u003Cp>Für eine wirksame \u003Cstrong>KI Governance\u003C/strong> kann es daher relevant sein, Risiken durch Memorisierung und Regurgitation bereits bei der Auswahl, Entwicklung und Überwachung generativer KI-Modelle zu berücksichtigen.\u003C/p>\n","Regurgitation bei generativer KI: Definition | Dastra","Was bedeutet Regurgitation bei generativer KI? Definition, Abgrenzung zu Memorization und Risiken für Trainingsdaten, Urheberrecht und Datenschutz.",258,2,"Regurgitation bei generativer KI: Definition und Risiken",0,"Was Regurgitation bei KI-Modellen bedeutet und welche Risiken die Wiedergabe memorisierter Trainingsdaten mit sich bringen kann.","de","regurgitation-generative-ki",null,"Published",{"id":19,"displayName":20,"avatarUrl":16,"bio":16,"blogUrl":16,"color":16,"userId":21,"creationDate":22},25698,"Victoria Wolff",28612,"2026-07-29T14:48:55.0038195","2026-08-17T12:44:00","2026-08-17T12:44:18.9873699","2026-08-18T07:03:20.6402821",{"id":27,"name":28,"description":29,"url":30,"color":31,"parentId":16,"count":16,"imageUrl":32,"parent":16,"order":12,"translations":33},21,"Glossary","Definition of every word used by Dastra","glossary","#643bb0","https://static.dastra.eu/tag/b308b9d3-37af-4e92-8354-ab8adec1740a/documentation-1000.png",[34,38,42],{"lang":35,"name":36,"description":37},"fr","Glossaire","La définition de tous les termes utilisés dans Dastra",{"lang":39,"name":40,"description":41},"es","Glosario","La definición de todos los términos utilizados en Dastra",{"lang":14,"name":43,"description":44},"Glossar","Die Definition aller in Dastra verwendeten Begriffe",[46],{"id":27,"name":28,"description":29,"url":30,"color":31,"parentId":16,"count":16,"imageUrl":32,"parent":16,"order":12,"translations":47},[48,49,50],{"lang":35,"name":36,"description":37},{"lang":39,"name":40,"description":41},{"lang":14,"name":43,"description":44},[],[],60467,[]]