Zusammenfassung
Der Beitrag untersucht die rechtlichen Anforderungen an das Music Data Mining (MDM). Darunter ist die computergestützte Analyse von Material (Werkkataloge, Noten, Liederblätter etc.) aus der Musik zu verstehen. Sie setzt sich das Ziel, aus einer Vielzahl an Daten Zusammenhänge und Muster zu erkennen. Mögliche Einsatzgebiete sind Music Recommendation, Audio Identification, Playlist Generation oder auch die Hit Song Science – um nur wenige zu nennen. MDM wirft rechtliche Fragen auf: Auf verschiedenen Stufen des Minings werden Kopien von urheberrechtlich geschützter Musik angefertigt. Und obwohl der Erkenntnisgewinn aus geschütztem Material ein urheberrechtlich freier Vorgang ist, muss für urheberrechtlich relevante Verwertungshandlungen eine Lizenz eingeholt werden. Etwas anderes gilt nur, wenn Ausnahmen oder Schranken diese Verwertung zulassen.
Eine spezifische Schranke für Text und Data-Mining hat der deutsche Gesetzgeber erst kürzlich eingeführt. Hiervon ausgenommen ist aber die kommerzielle Forschung. Vor allem dort bleiben Rechtsfragen bestehen.
Der Beitrag untersucht, inwieweit MDM überhaupt urheberrechtlich relevant ist und ob die neuen Schrankenbestimmungen den Bedürfnissen der Forschung und der Musikbranche gerecht werden. Außerdem nennt der Beitrag einige praktische Hürden für die Wissenschaft, wie Zugangsfragen zu Material und internationalen Forschungssachverhalten.
Der Beitrag berücksichtigt den Stand der juristischen Diskussion bis zum 13. August 2017.
Abstract
This article examines the legal requirements of Music Data Mining (MDM). This term describes the computer-based analysis of musical material with the aim of tracing connections and patterns of large data sets. MDM has a wide range of possible uses including music recommendation, audio identification, playlist generation and hit song science – to name but a few.
However, MDM is legally not unproblematic. In particular, copyright issues emerge. Copies of copyright protected works are being reproduced at a number of stages of the mining process. Although gaining insights into copyright protected material should be considered as free use, reproduction always has to be licensed – unless exceptions or limitations to copyright law apply. In Germany, a specific copyright limitation for the purpose of text and data mining has recently been introduced. However, this limitation does not cover commercial research. Accordingly, legal issues remain.
The article examines the legal requirements of MDM and whether the new exceptions meet the requirements of researchers, musicians and the music industry. The article also describes some practical obstacles relating to access to material and to the international conduct of science.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Ahlberg, H., & Götting, H.-P. (Hrsg.). (2017). Beck’scher Online-Kommentar Urheberrecht. München (zit. BeckOK UrhR Bearbeiter_In).
Baker, Monya (2016). 1,500 scientists lift the lid on reproducibility. In Nature 533. https://doi.org/10.1038/533452a.
Burghardt, M., Lamm, L., Lechler, D., Schneider, M., & Semmelmann, T. (2015). MusicXML Analyzer – Ein Analysewerkzeug für die computergestützte Identifikation von Melodie-Patterns. In Conference: Hildesheimer Evaluierungs- und Retrievalworkshop 2015.
Canaris, Afra (2012). Melodie, Klangfarbe und Rhythmus im Urheberrecht – Der Schutz musikalischer Werke und Darbietungen. Baden-Baden: Nomos.
Cocoru, D., & Boehm, M. (2016). An analytical review of text and data mining practices and approaches in Europe – Policy recommendations in view of the upcoming copyright legislative proposal. http://www.openforumeurope.org/wp-content/uploads/2016/05/TDM-Paper-Diana-Cocoru-and-Mirko-Boehm.pdf. Zugegriffen: 17. April 2016.
Döhl, F. (2011). Substantially Similar? – Das Plagiat aus Sicht des Verhältnisses von Musik und Recht. In J. Bung, M.-C. Gruber, S. Kühn (Hrsg.), Plagiate. Fälschungen, Imitate und andere Strategien aus zweiter Hand (= Beiträge zur Rechts-, Gesellschafts- und Kulturkritik Bd. 10) (S. 201-215). Berlin: Trafo. http://www.pop-zeitschrift.de/2013/05/27/substantially-similardas-plagiat-aus-sicht-des-verhaltnisses-von-musik-und-rechtvonfrederic-dohl27-5-2013/. Zugegriffen: 17. April 2017.
Dreier, T., & Schulze, G. (2015). Urheberrechtsgesetz. Kommentar. 5. Aufl. München: Beck. (zit. Dreier, Schulze, & Bearbeiter_In).
De la Durantaye, K. (2014). Allgemeine Bildungs- und Wissenschaftsschranke. Münster: MV Wissenschaft.
Frieler, K., Jakubowski, K., & Müllensiefen, D. (2015). Is it the Song and Not the Singer? Hit Song Prediction Using Structural Features of Melodies. In Musikpsychologie. Bd. 25 (S. 41-54). Göttingen: Hogrefe Verlag.
Hillegeist, T. (2012). Rechtliche Probleme der digitalen Langzeitarchivierung wissenschaftlicher Primärdaten. Göttingen: Universitätsverlag Göttingen.
Hippner, H., & Rentzmann, R. (2006). Aktuelles Schlagwort Data Minig. In Informatik Spektrum (2006) 29. https://doi.org/10.1007/s00287-006-0091-y.
Janisch, F., & Lachenmann, M. (2013). Konvertierung von Musikvideo-Streams in Audiodateien – Eine Analyse aus Sicht des deutschen Urheberrechts. Multimedia und Recht (MMR), 213-217.
Jia-Lien H., Liu, C. C., & Chen, A. L. P. (2001). Discovering nontrivial repeating patterns in music data. In IEEE Transactions on Multimedia, vol. 3, no. 3. https://doi.org/10.1109/6046.944475.
Li, T., & Li, L. (2011). Music Data Mining: An Introduction. In T. Li, M. Ogihara, & G. Tzanetakis (Hrsg.), Music Data Mining (S. 1-31). Florida: CRC Press.
Müllensiefen, D., & Pendzich, M. (2009). Court decisions on music plagiarism and the predictive value of similarity algorithms. In Musicae Scientiae, Discussion Forum 4B (S. 257-295).
Raue, B. (2016). Das Urheberrecht der digitalen Wissen(schaft)sgesellschaft. Gewerblicher Rechtsschutz- und Urheberrecht (GRUR), 11-19.
Riedemann, F. (2012). Computergestützte Analyse und Hit-Songwriting. In D. Helms & T. Phleps (Hrsg.), Black Box Pop (S. 43-56). Bielefeld: transcript-Verlag.
Schack, H. (2016). Urheberrechtliche Schranken für Bildung und Wissenschaft. In Zeitschrift für Urheber- und Medienrecht (ZUM), 266-284.
Schricker, G., & Loewenheim, U. (2010). Urheberrecht. Kommentar, 4. Aufl., München (zit. Schricker, Loewenheim, & Bearbeiter_In).
Solmecke, C., & Bärenfänger, J. (2011). Urheberrechtliche Schutzfähigkeit von Dateifragmenten – Nutzlos = Schutzlos. In Multimedia und Recht (S. 567-573).
Spindler, G. (2016). Text und Data Mining – urheber- und datenschutzrechtliche Fragen. In Gewerblicher Rechtsschutz- und Urheberrecht (GRUR), 1112-1120.
Talke, A. (2010). Lichtbildschutz für digitale Bilder von zweidimensionalen Vorlagen. Zeitschrift für Urheber- und Medienrecht (ZUM), 846-852.
Tzanetakis, G. (2011). Audio Feature Extraction. In T. Li, M. Ogihara, & G. Tzanetakis (Hrsg.), Music Data Mining. (S. 44-69). Florida: CRC Press.
Wandtke, A.-A. (2016). (Hrsg.), Urheberrecht, 5. Aufl. Berlin. (zit. Wandtke, & Bearbeiter_in).
Wandtke, Artur-Axel/Bullinger, Winfried (2014). Praxiskommentar zum Urheberrecht, 4. Aufl., München: C.H. Beck (zit. Wandtke, Bullinger, & Bearbeiter_in).
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Rack, F. (2019). Music Data Mining und das Urheberrecht. In: Ahlers, M., Grünewald-Schukalla, L., Lücke, M., Rauch, M. (eds) Big Data und Musik. Jahrbuch für Musikwirtschafts- und Musikkulturforschung. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-21220-9_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-21220-9_3
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-21219-3
Online ISBN: 978-3-658-21220-9
eBook Packages: Social Science and Law (German Language)