Memorisierung (KI) heißt, dass ein Modell einzelne Trainingsdaten so enthält, dass sie sich nahezu wörtlich aus ihm rekonstruieren lassen. Das englische memorization bedeutet Auswendiglernen. Gemessen wird sie meist als Extrahierbarkeit: Gibt man dem Modell den Anfang eines Trainingstextes vor, schreibt es den Rest Wort für Wort weiter.
- Memorisierung (KI)
Wenn ein KI-Modell einzelne Trainingsbeispiele so gespeichert hat, dass sie sich nahezu wörtlich wieder aus ihm hervorholen lassen.
Beispiel: „Die Memorisierung zeigte sich, als das Modell auf die erste Zeile hin den ganzen Liedtext ausgab.“Auch: Memorization.
Abgrenzung zum Overfitting: Es beschreibt ein Modell, das insgesamt schlecht verallgemeinert; Memorisierung kann einzelne Beispiele auch in einem gut verallgemeinernden Modell betreffen.
Wie es zur Memorisierung kommt
Die Forschung um Nicholas Carlini hat 2021 aus GPT-2 Hunderte Textstellen wörtlich extrahiert, darunter Namen und Telefonnummern, teils aus nur einem einzigen Dokument. Die Autoren nennen es ausdrücklich einen Irrtum, Memorisierung nur bei überangepassten Modellen zu erwarten. Eine Folgestudie zeigte 2023: Memorisierung wächst mit der Modellgröße, mit der Zahl der Duplikate eines Textes in den Trainingsdaten und mit der Länge des Textanfangs, den man vorgibt. Wer Duplikate entfernt, senkt wörtliche Wiedergaben deutlich.
Verteilt ist sie ungleich. Eine Untersuchung von 2025 an 200 Büchern ergab, dass die meisten Modelle die meisten Bücher nicht memorisieren, einzelne sehr verbreitete Werke aber fast vollständig.
Memorisierung vor Gericht
Das LG München I hat am 11. November 2025 entschieden, dass im Modell memorisierte Liedtexte eine Vervielfältigung nach § 16 UrhG sind, die die Schranke für Text und Data Mining nicht deckt; für Ausgaben auf einfache Prompts haftet der Anbieter. Die Berufung läuft beim OLG München. Der englische High Court kam im Fall Getty gegen Stability AI für ein Bildmodell zum gegenteiligen Ergebnis, weil die Gewichte dort keine Werke enthielten. Beide Urteile betreffen andere Modelle und Werke.
Was das für Website-Inhalte heißt
Texte, die vielfach kopiert im Netz stehen, landen eher wörtlich im Modell als eine einzelne Unterseite. Ein späterer TDM-Vorbehalt wirkt nur für künftiges Training. Die großen Anbieter begegnen dem mit Deduplizierung und Ausgabefiltern; die Unterzeichner des GPAI-Verhaltenskodex haben sich dazu verpflichtet.